这里计划写一个多线程爬虫

目前已有功能

• 1. 根据作文分类整理
• 2. 文本内容存储在分类文件夹中的txt文本中

存在的问题

• 1. 已经搜索的网站会再次搜索 资源浪费
• 2. 只有文本存储没有存储数据库 不便查找
• 3. 频繁爬虫导致被网站封禁IP

依赖项

• 1. Python3.7
• 2. request_html
• 3. threading
• 4. queue

使用方法

# 安装依赖
pip3 install -r requirements.txt

# 运行程序
python3 poll.py

目录结构

.
├── poll.py　#线程管理
├── README.md # 说明文件
├── requirements.txt #依赖项
├── server.py #爬虫主函数
`-- txt # 作文存放的目录