本文實例講述了Python多進程方式抓取基金網站內容的方法。分享給大家供大家參考，具體如下：
在前面這篇//www.jb51.net/article/162418.htm我們已經簡單了解了”python的多進程”，現在我們需要把抓取基金網站(28頁)內容寫成多進程的方式。
因為進程也不是越多越好，我們計劃分3個進程執行。意思就是 ：把總共要抓取的28頁分成三部分。
怎么分呢？
# 初始range
r = range(1,29)
# 步長
step = 10
myList = [r[x:x+step] for x in range(0,len(r),step)]
print(myList) # [range(1, 11), range(11, 21), range(21, 29)]
看上面代碼，我們就把 1~29 分成了三部分，list里三個range。
2、還記得我們抓取基金網站內容的
getData()
函數？
def getData(start, end):
for x in range(start, end+1):
# 去第幾頁 輸入框
tonum = driver.find_element_by_id("tonum")
# 去第幾頁 提交按鈕
jumpBtn = driver.find_element_by_id("btn_jump")
tonum.clear() # 第x頁 輸入框
tonum.send_keys(str(x)) # 去第x頁
jumpBtn.click() # 點擊按鈕
WebDriverWait(driver, 20).until(lambda driver: driver.find_element_by_id("pager") \
.find_element_by_xpath("span[@value={0} and @class!='end page']".format(x)) \
.get_attribute("class").find("at") != -1)
# 保存抓取到的html內容
# 保存到html目錄下
with open("./htmls/{0}.txt".format(x),"wb") as f:
f.write(driver.find_element_by_id("tableDiv").get_attribute("innerHTML").encode("utf8"))
f.close()
函數是有2個參數：一個開始頁碼，一個結束頁碼，也就是從第start頁，到第end頁。
這2個參數實際上也是
range
。
改造
getData()
函數如下（參數不同了）：
# 循環抓取網頁內容的函數
def getData(myrange):
for x in myrange:
# 去第幾頁 輸入框
tonum = driver.find_element_by_id("tonum")
# 去第幾頁 提交按鈕
jumpBtn = driver.find_element_by_id("btn_jump")
tonum.clear() # 第x頁 輸入框
tonum.send_keys(str(x)) # 去第x頁
jumpBtn.click() # 點擊按鈕
WebDriverWait(driver, 20).until(lambda driver: driver.find_element_by_id("pager") \
.find_element_by_xpath("span[@value={0} and @class!='end page']".format(x)) \
.get_attribute("class").find("at") != -1)
# 保存抓取到的html內容
# 保存到html目錄下
with open("./htmls/{0}.txt".format(x),"wb") as f:
f.write(driver.find_element_by_id("tableDiv").get_attribute("innerHTML").encode("utf8"))
f.close()
3、創建進程，把
target
設置為上面的
getData()
：
# 初始range
r = range(1,int(total_page)+1)
# 步長
step = 10
myList = [r[x:x+step] for x in range(0,len(r),step)] # 把頁面分段
# 創建進程
processList = []
if __name__ == "__main__":
for r in myList:
p = Process(target=getData,args=(r,))
processList.append(p)
# 開始執行進程
for p in processList:
p.start()
這樣就有三個進程分別抓取。
4、多進程抓取基金網站多頁內容完全代碼：
# coding: utf-8
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions
from multiprocessing import Process
driver = webdriver.PhantomJS(executable_path=r"你phantomjs的可執行文件路徑")
# 請求一個網址
driver.get("http://fund.eastmoney.com/fund.html")
page_text = driver.find_element_by_id("pager").find_element_by_xpath("span[@class='nv']").text
total_page = ''.join(filter(str.isdigit,page_text)) # 得到總共有多少頁
# 循環抓取網頁內容的函數
def getData(myrange):
for x in myrange:
# 去第幾頁 輸入框
tonum = driver.find_element_by_id("tonum")
# 去第幾頁 提交按鈕
jumpBtn = driver.find_element_by_id("btn_jump")
tonum.clear() # 第x頁 輸入框
tonum.send_keys(str(x)) # 去第x頁
jumpBtn.click() # 點擊按鈕
WebDriverWait(driver, 20).until(lambda driver: driver.find_element_by_id("pager") \
.find_element_by_xpath("span[@value={0} and @class!='end page']".format(x)) \
.get_attribute("class").find("at") != -1)
# 保存抓取到的html內容
# 保存到html目錄下
with open("./htmls/{0}.txt".format(x),"wb") as f:
f.write(driver.find_element_by_id("tableDiv").get_attribute("innerHTML").encode("utf8"))
f.close()
# 初始range
r = range(1,int(total_page)+1)
# 步長
step = 10
myList = [r[x:x+step] for x in range(0,len(r),step)] # 把頁面分段
# 創建進程
processList = []
if __name__ == "__main__":
for r in myList:
p = Process(target=getData,args=(r,))
processList.append(p)
# 開始執行進程
for p in processList:
p.start()
更多關于Python相關內容感興趣的讀者可查看本站專題：《Python進程與線程操作技巧總結》、《Python數據結構與算法教程》、《Python函數使用技巧總結》、《Python字符串操作技巧匯總》、《Python入門與進階經典教程》、《Python+MySQL數據庫程序設計入門教程》及《Python常見數據庫操作技巧匯總》
希望本文所述對大家Python程序設計有所幫助。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
