欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python使用tornado實(shí)現(xiàn)簡(jiǎn)單爬蟲

 更新時(shí)間:2018年07月28日 09:08:58   作者:WangF0  
這篇文章主要為大家詳細(xì)介紹了python使用tornado實(shí)現(xiàn)簡(jiǎn)單爬蟲,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下

本文實(shí)例為大家分享了python使用tornado實(shí)現(xiàn)簡(jiǎn)單爬蟲的具體代碼,供大家參考,具體內(nèi)容如下

代碼在官方文檔的示例代碼中有,但是作為一個(gè)tornado新手來(lái)說(shuō)閱讀起來(lái)還是有點(diǎn)困難的,于是我在代碼中添加了注釋,方便理解,代碼如下:

# coding=utf-8
 #!/usr/bin/env python

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

 # 設(shè)置要爬取的網(wǎng)址
base_url = 'http://www.baidu.com'
 # 設(shè)置worker數(shù)量
concurrency = 10
 # 此代碼會(huì)獲取base_url下的所有其他url
@gen.coroutine
def get_links_from_url(url):

  try:
    # 通過(guò)異步向url發(fā)起請(qǐng)求
    response = yield httpclient.AsyncHTTPClient().fetch(url)
    print('fetched %s' % url)
    # 響應(yīng)如果是字節(jié)類型 進(jìn)行解碼
    html = response.body if isinstance(response.body, str) \
      else response.body.decode(errors='ignore')
    # 構(gòu)建url列表
    urls = [urljoin(url, remove_fragment(new_url))
        for new_url in get_links(html)]
  except Exception as e:
    print('Exception: %s %s' % (e, url))
    # 報(bào)錯(cuò)返回空列表
    raise gen.Return([])
  # 返回url列表
  raise gen.Return(urls)


def remove_fragment(url):
  #去除錨點(diǎn)
  pure_url, frag = urldefrag(url)

  return pure_url


def get_links(html):
  #從html頁(yè)面里提取url
  class URLSeeker(HTMLParser):
    def __init__(self):
      HTMLParser.__init__(self)
      self.urls = []

    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():
  # 創(chuàng)建隊(duì)列
  q = queues.Queue()
  # 記錄開始時(shí)間戳
  start = time.time()
  # 構(gòu)建兩個(gè)集合
  fetching, fetched = set(), set()

  @gen.coroutine
  def fetch_url():
    # 從隊(duì)列中取出數(shù)據(jù)
    current_url = yield q.get()
    try:
      # 如果取出的數(shù)據(jù)在隊(duì)列中已經(jīng)存在 返回
      if current_url in fetching:
        return

      print('fetching %s' % current_url)
      # 如果不存在添加到集合當(dāng)中
      fetching.add(current_url)
      # 從新放入的鏈接中繼續(xù)獲取鏈接
      urls = yield get_links_from_url(current_url)
      # 將已經(jīng)請(qǐng)求玩的url放入第二個(gè)集合
      fetched.add(current_url)

      for new_url in urls:
        # Only follow links beneath the base URL
        # 如果鏈接是以傳入的url開始則放入隊(duì)列
        if new_url.startswith(base_url):
          yield q.put(new_url)

    finally:
      # 隊(duì)列內(nèi)數(shù)據(jù)減一
      q.task_done()

  @gen.coroutine
  def worker():
    while True:
      # 保證程序持續(xù)運(yùn)行
      yield fetch_url()
  # 將第一個(gè)url放入隊(duì)列
  q.put(base_url)

  # Start workers, then wait for the work queue to be empty.
  for _ in range(concurrency):
    # 啟動(dòng)對(duì)應(yīng)數(shù)量的worker
    worker()
  # 等待隊(duì)列數(shù)據(jù)處理完成
  yield q.join(timeout=timedelta(seconds=300))
  # 如果兩個(gè)集合不相等拋出異常
  assert fetching == fetched
  # 打印執(zhí)行時(shí)間
  print('Done in %d seconds, fetched %s URLs.' % (
    time.time() - start, len(fetched)))


if __name__ == '__main__':
  io_loop = ioloop.IOLoop.current()
  io_loop.run_sync(main)

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • python之js逆向功能演示詳解

    python之js逆向功能演示詳解

    這篇文章主要為大家介紹了python之js逆向功能演示詳解,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
    2023-05-05
  • 在Python中執(zhí)行和調(diào)用JavaScript的多種方法小結(jié)

    在Python中執(zhí)行和調(diào)用JavaScript的多種方法小結(jié)

    JavaScript(JS)是一種常用的腳本語(yǔ)言,通常用于網(wǎng)頁(yè)開發(fā),但有時(shí)也需要在Python中執(zhí)行或調(diào)用JavaScript代碼,本文將詳細(xì)介紹Python中執(zhí)行和調(diào)用JavaScript的多種方法,每種方法都將附有示例代碼,方便理解如何在Python中與JavaScript進(jìn)行互動(dòng),需要的朋友可以參考下
    2023-11-11
  • Python閉包和裝飾器用法實(shí)例詳解

    Python閉包和裝飾器用法實(shí)例詳解

    這篇文章主要介紹了Python閉包和裝飾器用法,結(jié)合實(shí)例形式詳細(xì)分析了Python閉包和裝飾器的相關(guān)概念、原理、使用技巧與相關(guān)操作注意事項(xiàng),需要的朋友可以參考下
    2019-05-05
  • Python三數(shù)之和的實(shí)現(xiàn)方式

    Python三數(shù)之和的實(shí)現(xiàn)方式

    這篇文章主要介紹了Python三數(shù)之和的實(shí)現(xiàn)方式,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
    2022-05-05
  • Dockerfile構(gòu)建一個(gè)Python Flask 鏡像

    Dockerfile構(gòu)建一個(gè)Python Flask 鏡像

    這篇文章主要介紹了Dockerfile構(gòu)建一個(gè)Python Flask 鏡像,對(duì)正在學(xué)習(xí)的你有一定的參考價(jià)值,需要的小伙伴可以參考一下
    2022-01-01
  • 基于Python實(shí)現(xiàn)倒計(jì)時(shí)工具

    基于Python實(shí)現(xiàn)倒計(jì)時(shí)工具

    這篇文章主要為大家詳細(xì)介紹了基于Python實(shí)現(xiàn)倒計(jì)時(shí)工具,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2022-08-08
  • python的廣播機(jī)制詳解

    python的廣播機(jī)制詳解

    大家好,本篇文章主要講的是python的廣播機(jī)制詳解,感興趣的同學(xué)趕快來(lái)看一看吧,對(duì)你有幫助的話記得收藏一下,方便下次瀏覽
    2022-01-01
  • 用Python監(jiān)控NASA TV直播畫面的實(shí)現(xiàn)步驟

    用Python監(jiān)控NASA TV直播畫面的實(shí)現(xiàn)步驟

    本文分享一個(gè)名為"Spacestills"的開源程序,它可以用于查看 NASA TV 的直播畫面(靜止幀)
    2021-05-05
  • Python attrs提高面向?qū)ο缶幊绦试敿?xì)

    Python attrs提高面向?qū)ο缶幊绦试敿?xì)

    Python是面向?qū)ο蟮恼Z(yǔ)言,一般情況下使用面向?qū)ο缶幊虝?huì)使得開發(fā)效率更高,軟件質(zhì)量更好,并且代碼更易于擴(kuò)展,可讀性和可維護(hù)性也更高,但是Python的類寫起來(lái)是真的累,這是可以在創(chuàng)建類的時(shí)候自動(dòng)添加上attrs模塊,下面文章我們就來(lái)介紹這個(gè)東西,需要的朋友可參考一下
    2021-09-09
  • python實(shí)現(xiàn)的一個(gè)p2p文件傳輸實(shí)例

    python實(shí)現(xiàn)的一個(gè)p2p文件傳輸實(shí)例

    這篇文章主要介紹了python實(shí)現(xiàn)的一個(gè)p2p文件傳輸實(shí)例,文中用來(lái)解決多臺(tái)服務(wù)器維護(hù)文件同步問(wèn)題,需要的朋友可以參考下
    2014-06-06

最新評(píng)論