【发布时间】:2023-04-04 14:36:01
【问题描述】:
我有一个代码,它使用查询和时间范围(可能长达一年)从此 newspaper 检索新闻结果。
结果每页最多分页 10 篇文章,由于我找不到增加它的方法,我为每个页面发出请求,然后检索每篇文章的标题、网址和日期。每个周期(HTTP 请求和解析)需要 30 秒到一分钟,这非常慢。最终它将以 500 的响应代码停止。我想知道是否有办法加快它的速度,或者一次发出多个请求。我只是想检索所有页面中的文章详细信息。
代码如下:
import requests
import re
from bs4 import BeautifulSoup
import csv
URL = 'http://www.gulf-times.com/AdvanceSearchNews.aspx?Pageindex={index}&keywordtitle={query}&keywordbrief={query}&keywordbody={query}&category=&timeframe=&datefrom={datefrom}&dateTo={dateto}&isTimeFrame=0'
def run(**params):
countryFile = open("EgyptDaybyDay.csv","a")
i=1
results = True
while results:
params["index"]=str(i)
response = requests.get(URL.format(**params))
print response.status_code
htmlFile = BeautifulSoup(response.content)
articles = htmlFile.findAll("div", { "class" : "newslist" })
for article in articles:
url = (article.a['href']).encode('utf-8','ignore')
title = (article.img['alt']).encode('utf-8','ignore')
dateline = article.find("div",{"class": "floatright"})
m = re.search("([0-9]{2}\-[0-9]{2}\-[0-9]{4})", dateline.string)
date = m.group(1)
w = csv.writer(countryFile,delimiter=',',quotechar='|', quoting=csv.QUOTE_MINIMAL)
w.writerow((date, title, url ))
if not articles:
results = False
i+=1
countryFile.close()
run(query="Egypt", datefrom="12-01-2010", dateto="12-01-2011")
【问题讨论】:
标签:
python
http
web-scraping
web-crawler
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:加快 HTTP 请求 python 和 500 错误 - Python技术站