凌的博客

您现在的位置是: 首页 > 学无止境 > python > 

python

Python 多线程实例

2020-02-07 python 1409
import re
from lib.com import get_request, get_content
import time
from configparser import ConfigParser
import os
import threading
import queue

thread_queue = queue.Queue()

def check_link(url, domain):
    r = get_request(url)
    matchs = re.search(domain, r.url)
    return matchs is not None


def check_url(content, domain, index):
    # 检查domain
    matchs = re.search(r"" + domain, content)
    if matchs is not None:
        return index

    content = content.replace("<b>", "")
    content = content.replace("</b>", "")

    mshowurl1 = re.search(r'class="c-showurl" style="text-decoration:none;">([^/<]+)/[^<]+?<', content, re.I | re.S)
    if mshowurl1 is None:
        pass
    else:
        if domain == mshowurl1[1]:
            return index
        else:
            return 0

    mshowurl2 = re.search(r'class="c-showurl" style="text-decoration:none;">https://([^/]+)/[^<]+?<', content,
                          re.I | re.S)
    if mshowurl2 is None:
        pass
    else:
        if domain == mshowurl2[1]:
            return index
        else:
            return 0

    matchs = re.search(r'href="([^\"\']+)" class="c-showurl" style="text-decoration:none;">', content)

    if matchs is not None:
        if check_link(matchs[1], domain):
            return index

    return 0


def rank(domain, page, keyword):
    pn = 10 * (page - 1)
    url = "https://www.baidu.com/s?wd={0}&pn={1}&oq={2}&ie=utf-8&rsv_pq=&rsv_t=".format(keyword, pn, keyword)
    content = get_content(url)

    index = 0
    lst = []
    try:
        for x in re.finditer(r'<h3 class="t">(.+?)百度快照</a>', content, re.I | re.S):
            index += 1
            _index = check_url(x[0], domain, index)
            if _index > 0:
                lst.append(str(_index))

    except Exception as e:
        print("Error:", str(e))

    return lst


def baidu_rank(domain, keyword):
    rank_list = []
    for page in range(1, 11):
        lst = rank(domain, page, keyword)
        total = len(lst)
        if total == 0:
            pass
        else:
            lst_str = str(page) + ":" + ",".join(lst) + ":" + domain + ":" + keyword
            rank_list.append(lst_str)
            with open(domain + ".txt", "a", encoding="utf-8") as f:
                f.write(lst_str + "\n")

        if total > 0:
            break
        print("%s : %s count:%s" % (page, lst, total))

    print(rank_list)


class RankThread(threading.Thread):
    def __init__(self, thread_name):
        threading.Thread.__init__(self)
        self.thread_name = thread_name

    def run(self):
        global thread_queue
        print("线程 %s : 开始" % self.thread_name)
        while thread_queue.empty() is False:
            domain, keyword = thread_queue.get()
            print("查询 %s : %s" % (domain, keyword))
            # time.sleep(random.randrange(1, 5))
            baidu_rank(domain, keyword)

        print("线程 %s : 结束" % self.thread_name)


def main():
    global thread_queue
    thread_limit = 10
    g_start = time.time()

    cf = ConfigParser()
    cf.read("conf.ini", encoding="utf-8")

    domain = cf.get("settings", "domain")
    keywords = cf.get("settings", "keywords")
    keywords = keywords.replace("|", ",")

    ranktxt = domain + ".txt"
    if os.path.exists(ranktxt):
        os.remove(ranktxt)

    # 多线程 处理
    for keyword in keywords.split(","):
        thread_queue.put((domain, keyword))

    print("即将开启 %d 个 线程执行该任务" % thread_limit)
    threads = []
    for index in range(thread_limit):
        mythread = RankThread("查询线程:%d" % index)
        threads.append(mythread)

    for mythread in threads:
        mythread.setDaemon(True)
        mythread.start()

    for mythread in threads:
        mythread.join()

    print("查询耗时:%s 秒" % (round(time.time() - g_start, 2)))


if __name__ == '__main__':
    main()


文章评论

0条评论