【文件属性】：
文件名称：10个线程的Python多线程爬虫（采集新浪数据）.rar
文件大小：31KB
文件格式：RAR
更新时间：2022-07-30 03:15:57
其它源码-Python
一个Python多线程爬虫，在工作时，开10个线程来抓取新浪网页的数据，抓取并保存页面, 并且根据deep返回页面链接，根据key确定是否保存该页面,其中:
deep == 0时，是抓取的最后一层深度，即只抓取并保存页面，不分析链接
deep > 0时，返回该页面链接。
编写本采集爬虫的具体要求：1. 指定网站爬取指定深度的页面，将包含指定关键词的页面内容存放到sqlite3数据库文件中
2. 程序每隔10秒在屏幕上打印进度信息
3. 支持线程池机制，并发爬取网页
4. 代码需要详尽的注释，自己需要深刻理解该程序所涉及到的各类知识点
5. 需要自己实现线程池
功能描述
使用python编写一个网站爬虫程序，支持参数如下：
spider.py -u url -d deep -f logfile -l loglevel(1-5) --testself -thread number --dbfile filepath --key="HTML5"
参数说明：
-u 指定爬虫开始地址
-d 指定爬虫深度
--thread 指定线程池大小，多线程爬取页面，可选参数，默认10
--dbfile 存放结果数据到指定的数据库（sqlite）文件中
--key 页面内的关键词，获取满足该关键词的网页，可选参数，默认为所有页面
-l 日志记录文件记录详细程度，数字越大记录越详细，可选参数，默认spider.log
--testself 程序自测，可选参数
【文件预览】：
codesc.net
----python-spider-master()
--------dqw-spider()
--------LICENSE(0B)
--------other()
--------README.md(1KB)
--------.gitignore(0B)
--------spider.v7.py(11KB)