【一、项目背景】
高能预警获取源码
小米应用商店给用户发现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。而已速度不是很快。
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：requests、threading 、queue 、json、time
3、软件：PyCharm
【四、项目分析】
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，需要抓取网络数据包分析。
2、使用chrome浏览器，F12抓取网络数据包。
1）抓取返回json数据的URL地址（Headers中的Request URL）。
2）查看并分析查询参数（headers中的Query String Parameters）。
page: 1categoryId: 2pageSize: 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、项目实施】
1、我们定义一个class类继承object，然后定义init方法继承self，再定义一个主函数main继承self。准备导入库，url地址和请求头headers。
import requestsfrom threading import Threadfrom queue import Queueimport jsonimport timeclass 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): passif __name__ == '__main__': imageSpider = XiaomiSpider() imageSpider.main()
2、定义队列，用来存放URL地址
3、URL入队列
def url_in(self): for i in range(67): self.url.format((str(i))) self.url_queue.put(self.url)
4、定义线程事件函数get_page(请求数据)
defget_page(self): while True: 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。
def parse_page(self,html): app_json = json.loads(html) for app in app_json['data']: name = app['displayName'] link = 'http://app.mi.com/details?id={}'.format(app['packageName']) d = { '名称' : name,'链接' : link } print(d)
6、main方法， 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() 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、点击蓝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，容易对服务器造成负载，浅尝辄止即可。
2、Python多线程优点。使用线程可以把占据长时间的程序中的任务放到后台去处，程序的运行速度可能加快。
3、单线程可以被抢占（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）。可以释放一些珍贵的资源如内存占用。
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。自己实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。
获取源码：
点击上方名片，关注后，回复「小米应用」获取二维码
如果你觉得文章还不错，请大家 点赞、分享、留言 下，因为这将是我持续输出更多优质文章的最强动力！
Python自学超级硬核资料
最后送大家一份Python学习大礼包，从Python基础，爬虫，数据分析Web开发等全套资料，吃透资料，你可以扔掉其他资料，这些资料都是视频，学起来非常友好
Ps：都是视频学习资料，非常适合基础不好或者零基础的同学
