Python tornado隊(duì)列示例-一個(gè)并發(fā)web爬蟲(chóng)代碼分享
Queue
Tornado的tornado.queue模塊為基于協(xié)程的應(yīng)用程序?qū)崿F(xiàn)了一個(gè)異步生產(chǎn)者/消費(fèi)者模式的隊(duì)列。這與python標(biāo)準(zhǔn)庫(kù)為多線程環(huán)境實(shí)現(xiàn)的queue模塊類(lèi)似。
一個(gè)協(xié)程執(zhí)行到y(tǒng)ieldqueue.get會(huì)暫停,直到隊(duì)列中有條目。如果queue有上限,一個(gè)協(xié)程執(zhí)行yieldqueue.put將會(huì)暫停,直到隊(duì)列中有空閑的位置。
在一個(gè)queue內(nèi)部維護(hù)了一個(gè)未完成任務(wù)的引用計(jì)數(shù),每調(diào)用一次put操作便會(huì)增加引用計(jì)數(shù),而調(diào)用task_done操作將會(huì)減少引用計(jì)數(shù)。
下面是一個(gè)簡(jiǎn)單的web爬蟲(chóng)的例子:
最開(kāi)始,queue只包含一個(gè)基準(zhǔn)url。當(dāng)一個(gè)worker從中取出一個(gè)url后,它會(huì)從對(duì)應(yīng)的頁(yè)面中解析中所包含的url并將其放入隊(duì)列,然后調(diào)用task_done減少引用計(jì)數(shù)一次。
最后,worker會(huì)取出一個(gè)url,而這個(gè)url頁(yè)面中的所有url都已經(jīng)被處理過(guò)了,這時(shí)隊(duì)列中也沒(méi)有url了。這時(shí)調(diào)用task_done會(huì)將引用計(jì)數(shù)減少至0.
這樣,在main協(xié)程里,join操作將會(huì)解除掛起并結(jié)束主協(xié)程。
這個(gè)爬蟲(chóng)使用了HTMLParse來(lái)解析html頁(yè)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(gè)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(biāo)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(lái)自Tornado官方網(wǎng)站用戶指南的介紹和實(shí)例,這位同學(xué)進(jìn)行了簡(jiǎn)單的翻譯,然后把代碼拿過(guò)來(lái)了。時(shí)間有些倉(cāng)促,小編并未進(jìn)行tornado的安裝和對(duì)本段代碼進(jìn)行測(cè)試,故無(wú)結(jié)果演示,大家請(qǐng)見(jiàn)諒。
有關(guān)Python tornado隊(duì)列示例-一個(gè)并發(fā)web爬蟲(chóng)代碼分享的介紹就到這里了,希望對(duì)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(guān)專題,如有不足之處,歡迎留言指出。感謝朋友們對(duì)本站的支持!
- Python Web服務(wù)器Tornado使用小結(jié)
- 高性能web服務(wù)器框架Tornado簡(jiǎn)單實(shí)現(xiàn)restful接口及開(kāi)發(fā)實(shí)例
- Python Web框架Tornado運(yùn)行和部署
- Tornado Web服務(wù)器多進(jìn)程啟動(dòng)的2個(gè)方法
- python常用web框架簡(jiǎn)單性能測(cè)試結(jié)果分享(包含django、flask、bottle、tornado)
- 使用Python的Tornado框架實(shí)現(xiàn)一個(gè)Web端圖書(shū)展示頁(yè)面
- 使用Python的Tornado框架實(shí)現(xiàn)一個(gè)簡(jiǎn)單的WebQQ機(jī)器人
- Web服務(wù)器框架 Tornado簡(jiǎn)介
- Tornado Web Server框架編寫(xiě)簡(jiǎn)易Python服務(wù)器
- Python Tornado框架輕松寫(xiě)一個(gè)Web應(yīng)用的全過(guò)程
相關(guān)文章
Python itertools庫(kù)中product函數(shù)使用實(shí)例探究
這篇文章主要為大家介紹了Python itertools庫(kù)中product函數(shù)使用實(shí)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(jìn)步,早日升職加薪2024-01-01python GUI庫(kù)圖形界面開(kāi)發(fā)之PyQt5復(fù)選框控件QCheckBox詳細(xì)使用方法與實(shí)例
這篇文章主要介紹了python GUI庫(kù)圖形界面開(kāi)發(fā)之PyQt5復(fù)選框控件QCheckBox詳細(xì)使用方法與實(shí)例,需要的朋友可以參考下2020-02-02python如何實(shí)現(xiàn)質(zhì)數(shù)求和
這篇文章主要介紹了python如何實(shí)現(xiàn)質(zhì)數(shù)求和,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)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(lèi)型所占字節(jié)數(shù)對(duì)照表一覽
這篇文章主要介紹了pytorch常用數(shù)據(jù)類(lèi)型所占字節(jié)數(shù)對(duì)照表一覽,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2021-05-05Python微信企業(yè)號(hào)開(kāi)發(fā)之回調(diào)模式接收微信端客戶端發(fā)送消息及被動(dòng)返回消息示例
這篇文章主要介紹了Python微信企業(yè)號(hào)開(kāi)發(fā)之回調(diào)模式接收微信端客戶端發(fā)送消息及被動(dòng)返回消息的方法,涉及Python微信企業(yè)號(hào)回調(diào)模式消息響應(yīng)機(jī)制相關(guān)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(cè)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(lái)的已經(jīng)不能用了。浪費(fèi)了半天時(shí)間終于找到一個(gè)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