本文共 3449 字，大约阅读时间需要 11 分钟。

# coding=utf-8import requestsfrom lxml import etreefrom queue import Queueimport threadingclass NuoMi:    def __init__(self):        self.temp_url = "https://bj.nuomi.com/326-page{}?#j-sort-bar"        self.headers = {            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.62 Safari/537.36"}        self.session = requests.session()        self.url_queue = Queue()  #放url的队列        self.html_str_queue = Queue()  #放响应的队列        self.content_list_queue = Queue() #放提取的数据的队列    def get_url_list(self):  # 获取url列表        for i in range(1, 50):            self.url_queue.put(self.temp_url.format(i))    def parse_url(self):  # 发送请求，获取html字符串        while True:            url = self.url_queue.get()            print(url)            r = requests.get(url, headers=self.headers)            # r = self.session.get(url, headers=self.headers)            # r.encoding = 'utf-8'            self.html_str_queue.put(r.content.decode())            # self.html_str_queue.put(r.content.encoding('utf-8'))            self.url_queue.task_done()    def get_content_list(self):        while True:            html_str = self.html_str_queue.get()            html = etree.HTML(html_str)            # print(html_str)            li_list = html.xpath("//div[@id = 'j-goods-area']/div/ul/li")            content_list = []            for li in li_list:                item = {}                item["shop_name"] = li.xpath("./a/h3/text()")[0] if len(li.xpath("./p/a[1]/span[2]")) > 0 else None                item["evaluate"] = li.xpath("./p/a[1]/span[2]/text()")[0] if len(li.xpath("./p/a[1]/span[2]")) > 0 else None                item["price"] = li.xpath("./p/a[2]/span[1]/text()")[0] if len(li.xpath("./p/a[2]/span[1]")) > 0 else None                item["address"] = li.xpath("./p/a[2]/span[2]/text()") if len(li.xpath("./p/a[2]/span[1]")) > 0 else None                item["level"] = li.xpath("./a[3]/p/text()") if len(li.xpath("./p/a[2]/span[1]")) > 0 else None                item["food"] = li.xpath("./a[4]/span/text()")if len(li.xpath("./p/a[2]/span[1]")) > 0 else None                print(item)                content_list.append(item)            self.content_list_queue.put(content_list)            self.html_str_queue.task_done()    def save_content_list(self):  # save        while True:            content_list = self.content_list_queue.get()            for content in content_list:                # print(content)                pass                            self.content_list_queue.task_done()    def run(self):  # 实现主要逻辑        thread_list = []        # 1.url_list        t_url = threading.Thread(target=self.get_url_list)        thread_list.append(t_url)        # 2.发送请求，获取数据        for i in range(3):            t_parse = threading.Thread(target=self.parse_url)            thread_list.append(t_parse)        # 3.提取数据        for i in range(2):            t_content_list = threading.Thread(target=self.get_content_list)            thread_list.append(t_content_list)        # 4.保存        t_save = threading.Thread(target=self.save_content_list)        thread_list.append(t_save)        for t in thread_list:            t.setDaemon(True) #设置为守护线程，守护线程：这个线程不重要，主线程结束，子线程结束            t.start()        for q in [self.url_queue,self.content_list_queue,self.html_str_queue]:            q.join()  #让主线程等待着，知道队列计数为0的时候，join失效        print("主线程结束")if __name__ == '__main__':    nm = NuoMi()    nm.run()

转载地址：http://dznnn.baihongyu.com/