微博爬虫抓取出现的连接问题?

使用cookie模拟登录微博后想抓取多页微博内容,只是抓取到第二页就出现错误,以前都没出现过,使用的是Request库来模拟登录和获取内容。
代码如下:
图片描述

循环抓取在这里:
图片描述

出现错误的代码如下:
图片描述

我google过,有人说是因为requests发送http request占用太多connection资源,具体说明在
Python使用requests時遇到Failed to establish a new connection

阅读 3.3k
1 个回答

代码拿去,这里只抓10页, cookie自己补充进去

# coding=utf-8

from pyquery import PyQuery as Q
import requests, threading, time

session = requests.Session()
session.headers = {
    'Cookie':'',
    'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.63 Safari/537.36'
}

def get_title(titles, page):
    r = session.get('http://weibo.cn/gzyhl?page={0}'.format(page))
    html = r.text.encode('utf-8')
    for _ in Q(html).find('span.ctt'):
        titles.append(Q(_).text())

start = time.time()

result, threadPool = [], []
for page in range(1, 11):
    th = threading.Thread(target=get_title, args=(result, page))
    th.start()
    threadPool.append(th)

for th in threadPool:
    threading.Thread.join(th)

end = time.time()

print 'times: {0}, total: {1}'.format(end - start, len(result))
撰写回答
你尚未登录,登录后可以
  • 和开发者交流问题的细节
  • 关注并接收问题和回答的更新提醒
  • 参与内容的编辑和改进,让解决方法与时俱进
推荐问题