一篇文章教会你用Python多线程获取小米应用商店App

　　一篇文章教会你用Python多线程获取小米应用商店App

　　【一、项目背景】

　　小米应用商店给用户发觉最好的安卓应用和游戏,安全可靠，可是要下载东西要一个一个的搜索太麻烦了。而已速率不是很快。

　　今天用多线程爬取小米应用商店的游戏模块。快速获取。

　　

　　【二、项目目标】

　　目标 ：应用分类 - 聊天社交 应用名称， 应用链接，显示在控制台供用户下载。

　　【三、涉及的库和网站】

　　1、网址：百度搜 - 小米应用商店，进入官网。

　　2、涉及的库：reques****ts、threading 、queue 、json、time

　　3、软件：PyCharm

　　【四、项目剖析】

　　1、确认是否为动态加载。

　　通过页面局部刷新， 右键查看网页源代码，搜索关键字未搜到 。断定此网站为动态加载网站，需要抓取网路数据包剖析。

　　2、使用chrome浏览器，F12抓取网路数据包。

　　1）抓取返回json数据的URL地址（Headers中的Request URL）。

　　http://app.mi.com/categotyAllListApi?page={}&categoryId=2&pageSize=30

　　2）查看并剖析查询参数（headers中的Query String Parameters）。

　　page: 1

categoryId: 2

pageSize: 30

　　发现只有page再变，0 1 2 3 ... ... ，这样我们就可以通过控制page的直拼接多个返回json数据的URL地址。

　　【五、项目施行】

　　1、我们定义一个class类承继object，然后定义init方式承继self，再定义一个主函数main承继self。准备导出库，url地址和恳求头headers。

　　import requests

from threading import Thread

from queue import Queue

import json

import time

class XiaomiSpider(object):

def __init__(self):

self.headers = {'User-Agent':'Mozilla/5.0'}

self.url = 'http://app.mi.com/categotyAllListApi?page={}&categoryId=15&pageSize=30'

def main(self):

pass

if __name__ == '__main__':

imageSpider = XiaomiSpider()

imageSpider.main()

　　2、定义队列，用来储存URL地址

　　self.url_queue = Queue()

　　3、URL入队列

　　def url_in(self):

# 拼接多个URL地址,然后put()到队列中

for i in range(67):

self.url.format((str(i)))

self.url_queue.put(self.url)

　　4、定义线程风波函数get_page(请求数据)

　　def get_page(self):

# 先get()URL地址,发请求

while True:

# 当队列不为空时,获取url地址

if not self.url_queue.empty():

url = self.url_queue.get()

html = requests.get(url,headers=self.headers).text

self.parse_page(html)

else:

break

　　5、定义函数parse_page 解析json模块，提取应用名称，应用链接内容。

　　 # 解析函数

def parse_page(self,html):

app_json = json.loads(html)

for app in app_json['data']:

# 应用名称

name = app['displayName']

# 应用链接

link = 'http://app.mi.com/details?id={}'.format(app['packageName'])

d = { '名称' : name,'链接' : link }

print(d)

　　6、main方式， 定义t_list = [] 存放所有线程的列表。调用get_page多线程爬取。

　　def main(self):

self.url_in()

# 存放所有线程的列表

t_list = []

for i in range(10):

t = Thread(target=self.get_page)

t.start()

t_list.append(t)

　　7、for循环遍历列表，统一回收线程。

　　# 统一回收线程

for p in t_list:

p.join()

　　8、统计一下执行时间。

　　start = time.time()

spider = XiaomiSpider()

spider.main()

end = time.time()

print('执行时间:%.2f' % (end-start))

　　【六、效果展示】

　　1、运行程序。点击运行，将游戏名称，下载链接，执行时间，显示在控制台。

　　

　　2、点击红色的网址可以直接去到下载页面下载应用，如下图所示。

　　

　　【七、总结】

　　1、不建议抓取太多数据，容易对服务器导致负载，浅尝辄止即可。

　　2、Python多线程优点。使用线程可以把抢占长时间的程序中的任务放在后台去处，程序的运行速率可能推动。

　　3、单线程可以被占领（中断），而已多线程就有了更多的选择。而已在其他线程正在运行时，线程可以暂时搁置（也称为睡眠）。可以释放一些珍稀的资源如显存占用。

　　4、大家也可以尝试在爬取其他分类，按照操作步骤，自己尝试去做。自己实现的时侯，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的愈发深刻。