实例介绍
【实例简介】
基于DFS和BFS的Python爬虫简易框架
【实例截图】
【核心代码】
# 当爬行任务非空,并且爬行的页面没有超过设定值时, 一直爬行
while self.UrlSequence.UnvisitedIsEmpty() is False and self.UrlSequence.Visited_Count() <= max_count:
# 对于宽度优先或深度优先,分别使用Dequeue,pop
if flag == 1: # using BFS
visitUrl = self.UrlSequence.Unvisited_Dequeue()
else: # using DFS
visitUrl = self.UrlSequence.Unvisited_Pop()
print ("Pop out one url \"%s\" from unvisited url list" % visitUrl)
if visitUrl in self.UrlSequence.visited or visitUrl is None or visitUrl == "":
continue
# 抓取页面,并提取页面中的超链接到links中
links = self.getLinks(visitUrl)
print ( "Get %d new links" % len(links))
# 保存到已抓取的任务中
self.UrlSequence.Visited_Add(visitUrl)
print ("Visited url count: " str(self.UrlSequence.Visited_Count()))
# 将新提取出的超链接保存到未抓取的任务中
for link in links:
self.UrlSequence.Unvisited_Add(link)
print ("%d unvisited links:" % len(self.UrlSequence.getUnvisitedUrl()))
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论