首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >有什么方法可以在线程处理时使用BeautifulSoup进行解析?

有什么方法可以在线程处理时使用BeautifulSoup进行解析?
EN

Stack Overflow用户
提问于 2018-07-03 13:13:36
回答 3查看 454关注 0票数 0

如何解析多线程链接?

基本上,我找到了链接,然后逐一解析这些链接。

它就是这么做的:

代码语言:javascript
复制
for link in links:
    scrape_for_info(link)

链接包括:

代码语言:javascript
复制
https://www.xtip.co.uk/en/?r=bets/xtra&group=476641&game=312053910
https://www.xtip.co.uk/en/?r=bets/xtra&group=476381&game=312057618
...
https://www.xtip.co.uk/en/bets/xtra.html?group=477374&game=312057263

scrape_for_info(url)的外观如下:

代码语言:javascript
复制
def scrape_for_info(url):

    scrape = CP_GetOdds(url)

    for x in range(scrape.GameRange()):
     sql_str = "INSERT INTO Scraped_Odds ('"
     sql_str += str(scrape.Time()) + "', '"
     sql_str += str(scrape.Text(x)) + "', '"
     sql_str += str(scrape.HomeTeam()) + "', '"
     sql_str += str(scrape.Odds1(x)) + "', '"
     sql_str += str(scrape.Odds2(x)) + "', '"
     sql_str += str(scrape.AwayTeam()) + "')"

     cursor.execute(sql_str)
    conn.commit()

我看到在抓取网站时使用线程,但它主要用于爬行而不是解析。

我希望有人能教我如何比现在更快地解析。当我看活赔率时,我必须尽快更新。

EN

回答 3

Stack Overflow用户

回答已采纳

发布于 2018-07-04 00:13:52

谢谢你所有的答案!

以下是其中的诀窍:

代码语言:javascript
复制
from multiprocessing import Pool

with Pool(10) as p:
    p.map(scrape_for_info, links))
票数 0
EN

Stack Overflow用户

发布于 2018-07-03 13:31:25

使用多处理,您可以考虑使用队列

通常,您会创建两个作业,一个创建urls,另一个消耗它们。我们叫他们creatorconsumer。我将假设这里有任何名为closing_condition (例如使用价值)的信号量,用于解析和保存urls的方法分别称为create_url_methodstore_url

代码语言:javascript
复制
from multiprocessing import Queue, Value, Process
import queue


def creator(urls, closing_condition):
    """Parse page and put urls in given Queue."""
    while (not closing_condition):
        created_urls = create_url_method()
        [urls.put(url) for url in created_urls]


def consumer(urls, closing_condition):
    """Consume urls in given Queue."""
    while (not closing_condition):
        try:
            store_url(urls.get(timeout=1))
        except queue.Empty:
            pass


urls = Queue()
semaphore = Value('d', 0)

creators_number = 2
consumers_number = 2

creators = [
    Process(target=creator, args=(urls, semaphore))
    for i in range(creators_number)
]

consumers = [
    Process(target=consumer, args=(urls, semaphore))
    for i in range(consumers_number)
]

[p.start() for p in creators + consumer]
[p.join() for p in creators + consumer]
票数 1
EN

Stack Overflow用户

发布于 2018-07-03 13:25:42

中有一个很好的例子,可以用Python自动完成无聊的工作。

https://automatetheboringstuff.com/chapter15/

基本上,您需要使用threading模块为每个urls创建不同的线程,然后等待它们全部完成。

代码语言:javascript
复制
import threading

def scrape_for_info(url):
    scrape = CP_GetOdds(url)

    for x in range(scrape.GameRange()):
        sql_str = "INSERT INTO Scraped_Odds ('"
        sql_str += str(scrape.Time()) + "', '"
        sql_str += str(scrape.Text(x)) + "', '"
        sql_str += str(scrape.HomeTeam()) + "', '"
        sql_str += str(scrape.Odds1(x)) + "', '"
        sql_str += str(scrape.Odds2(x)) + "', '"
        sql_str += str(scrape.AwayTeam()) + "')"

     cursor.execute(sql_str)
     conn.commit()

# Create and start the Thread objects.
threads = []
for link in links:
    thread = threading.Thread(target=scrape_for_info, args=(link))
    threads.append(thread)
    thread.start()

# Wait for all threads to end.
for thread in threads:
    thread.join()
print('Done.')
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/51155568

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档