Python tornado隊列示例-一個并發(fā)web爬蟲代碼分享
Queue
Tornado的tornado.queue模塊為基于協(xié)程的應用程序?qū)崿F(xiàn)了一個異步生產(chǎn)者/消費者模式的隊列。這與python標準庫為多線程環(huán)境實現(xiàn)的queue模塊類似。
一個協(xié)程執(zhí)行到y(tǒng)ieldqueue.get會暫停,直到隊列中有條目。如果queue有上限,一個協(xié)程執(zhí)行yieldqueue.put將會暫停,直到隊列中有空閑的位置。
在一個queue內(nèi)部維護了一個未完成任務的引用計數(shù),每調(diào)用一次put操作便會增加引用計數(shù),而調(diào)用task_done操作將會減少引用計數(shù)。
下面是一個簡單的web爬蟲的例子:
最開始,queue只包含一個基準url。當一個worker從中取出一個url后,它會從對應的頁面中解析中所包含的url并將其放入隊列,然后調(diào)用task_done減少引用計數(shù)一次。
最后,worker會取出一個url,而這個url頁面中的所有url都已經(jīng)被處理過了,這時隊列中也沒有url了。這時調(diào)用task_done會將引用計數(shù)減少至0.
這樣,在main協(xié)程里,join操作將會解除掛起并結(jié)束主協(xié)程。
這個爬蟲使用了HTMLParse來解析html頁面。
import time from datetime import timedelta try: from HTMLParser import HTMLParser from urlparse import urljoin, urldefrag except ImportError: from html.parser import HTMLParser from urllib.parse import urljoin, urldefrag from tornado import httpclient, gen, ioloop, queues base_url = 'http://www.tornadoweb.org/en/stable/' concurrency = 10 @gen.coroutine def get_links_from_url(url): """Download the page at `url` and parse it for links. Returned links have had the fragment after `#` removed, and have been made absolute so, e.g. the URL 'gen.html#tornado.gen.coroutine' becomes 'http://www.tornadoweb.org/en/stable/gen.html'. """ try: response = yield httpclient.AsyncHTTPClient().fetch(url) print('fetched %s' % url) html = response.body if isinstance(response.body, str) \ else response.body.decode() urls = [urljoin(url, remove_fragment(new_url)) for new_url in get_links(html)] except Exception as e: print('Exception: %s %s' % (e, url)) raise gen.Return([]) raise gen.Return(urls) #用于從一個包含片段的url中提取中真正的url. def remove_fragment(url): pure_url, frag = urldefrag(url) return pure_url def get_links(html): class URLSeeker(HTMLParser): def __init__(self): HTMLParser.__init__(self) self.urls = [] #從所有a標簽中提取中href屬性。 def handle_starttag(self, tag, attrs): href = dict(attrs).get('href') if href and tag == 'a': self.urls.append(href) url_seeker = URLSeeker() url_seeker.feed(html) return url_seeker.urls @gen.coroutine def main(): q = queues.Queue() start = time.time() fetching, fetched = set(), set() @gen.coroutine def fetch_url(): current_url = yield q.get() try: if current_url in fetching: return print('fetching %s' % current_url) fetching.add(current_url) urls = yield get_links_from_url(current_url) fetched.add(current_url) for new_url in urls: # Only follow links beneath the base URL if new_url.startswith(base_url): yield q.put(new_url) finally: q.task_done() @gen.coroutine def worker(): while True: yield fetch_url() q.put(base_url) # Start workers, then wait for the work queue to be empty. for _ in range(concurrency): worker() yield q.join(timeout=timedelta(seconds=300)) assert fetching == fetched print('Done in %d seconds, fetched %s URLs.' % ( time.time() - start, len(fetched))) if __name__ == '__main__': import logging logging.basicConfig() io_loop = ioloop.IOLoop.current() io_loop.run_sync(main)
總結(jié)
以上所述,來自Tornado官方網(wǎng)站用戶指南的介紹和實例,這位同學進行了簡單的翻譯,然后把代碼拿過來了。時間有些倉促,小編并未進行tornado的安裝和對本段代碼進行測試,故無結(jié)果演示,大家請見諒。
有關Python tornado隊列示例-一個并發(fā)web爬蟲代碼分享的介紹就到這里了,希望對大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站其他相關專題,如有不足之處,歡迎留言指出。感謝朋友們對本站的支持!
- Python Web服務器Tornado使用小結(jié)
- 高性能web服務器框架Tornado簡單實現(xiàn)restful接口及開發(fā)實例
- Python Web框架Tornado運行和部署
- Tornado Web服務器多進程啟動的2個方法
- python常用web框架簡單性能測試結(jié)果分享(包含django、flask、bottle、tornado)
- 使用Python的Tornado框架實現(xiàn)一個Web端圖書展示頁面
- 使用Python的Tornado框架實現(xiàn)一個簡單的WebQQ機器人
- Web服務器框架 Tornado簡介
- Tornado Web Server框架編寫簡易Python服務器
- Python Tornado框架輕松寫一個Web應用的全過程
相關文章
Python itertools庫中product函數(shù)使用實例探究
這篇文章主要為大家介紹了Python itertools庫中product函數(shù)使用實例探究,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2024-01-01python GUI庫圖形界面開發(fā)之PyQt5復選框控件QCheckBox詳細使用方法與實例
這篇文章主要介紹了python GUI庫圖形界面開發(fā)之PyQt5復選框控件QCheckBox詳細使用方法與實例,需要的朋友可以參考下2020-02-02python如何實現(xiàn)質(zhì)數(shù)求和
這篇文章主要介紹了python如何實現(xiàn)質(zhì)數(shù)求和,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2022-05-05pytorch常用數(shù)據(jù)類型所占字節(jié)數(shù)對照表一覽
這篇文章主要介紹了pytorch常用數(shù)據(jù)類型所占字節(jié)數(shù)對照表一覽,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2021-05-05Python微信企業(yè)號開發(fā)之回調(diào)模式接收微信端客戶端發(fā)送消息及被動返回消息示例
這篇文章主要介紹了Python微信企業(yè)號開發(fā)之回調(diào)模式接收微信端客戶端發(fā)送消息及被動返回消息的方法,涉及Python微信企業(yè)號回調(diào)模式消息響應機制相關操作技巧,需要的朋友可以參考下2017-08-08手把手教你從PyCharm安裝到激活(最新激活碼),親測有效可激活至2089年
最近很多網(wǎng)友找小編反映PyCharm激活碼失效了,原來的已經(jīng)不能用了。浪費了半天時間終于找到一個可以使用的了,支持最新JetBrains全系列產(chǎn)品(Pycharm 2020.2.x,Intellij idea 2020.2.x,WebStorm 2020.2.x)。,需要的朋友可以參考下2020-10-10