這篇文章主要介紹了Python中裝飾器的一個(gè)妙用,本文是在寫(xiě)一個(gè)爬蟲(chóng)程序時(shí)總結(jié)而來(lái),實(shí)現(xiàn)定義一個(gè)裝飾器，如果之前取到數(shù)據(jù)，就直接取cache的數(shù)據(jù),如果之前沒(méi)有取到,那么就從網(wǎng)站拉取,并且存入cache中,需要的朋友可以參考下

好吧，我知道是大半夜……，但我還是覺(jué)得趕緊花上半個(gè)小時(shí)，把這最新的想法分享出來(lái)是值得的~直接進(jìn)入正題~

我們來(lái)模擬一個(gè)場(chǎng)景，需要你去抓去一個(gè)頁(yè)面，然后這個(gè)頁(yè)面有好多url也要分別去抓取，而進(jìn)入這些子url后，還有數(shù)據(jù)要抓取。簡(jiǎn)單點(diǎn)，我們就按照三層來(lái)看，那我們的代碼就是如下：

復(fù)制代碼代碼如下:

def func_top(url):

    data_dict= {}

    #在頁(yè)面上獲取到子url

    sub_urls = xxxx

    data_list = []

    for it in sub_urls:

        data_list.append(func_sub(it))

    data_dict[\'data\'] = data_list

    return data_dict

def func_sub(url):

    data_dict= {}

    #在頁(yè)面上獲取到子url

    bottom_urls = xxxx

    data_list = []

    for it in bottom_urls:

        data_list.append(func_bottom(it))

    data_dict[\'data\'] = data_list

    return data_dict

def func_bottom(url):

    #獲取數(shù)據(jù)

    data = xxxx

    return data

func_top是上層頁(yè)面的處理函數(shù)，func_sub是子頁(yè)面的處理函數(shù)，func_bottom是最深層頁(yè)面的處理函數(shù)，func_top會(huì)在取到子頁(yè)面url后遍歷調(diào)用func_sub,func_sub也是同樣。

如果正常情況下，這樣確實(shí)已經(jīng)滿(mǎn)足需求了，但是偏偏這個(gè)你要抓取的網(wǎng)站可能極不穩(wěn)定，經(jīng)常鏈接不上，導(dǎo)致數(shù)據(jù)拿不到。

于是這個(gè)時(shí)候你有兩個(gè)選擇:

1.遇到錯(cuò)誤就停止，之后重新從斷掉的位置開(kāi)始重新跑
2.遇到錯(cuò)誤繼續(xù)，但是要在之后重新跑一遍，這個(gè)時(shí)候已經(jīng)有的數(shù)據(jù)不希望再去網(wǎng)站拉一次，而只去拉沒(méi)有取到的數(shù)據(jù)

對(duì)第一種方案基本無(wú)法實(shí)現(xiàn)，因?yàn)槿绻麆e人網(wǎng)站的url調(diào)整順序，那么你記錄的位置就無(wú)效了。那么只有第二種方案，說(shuō)白了，就是要把已經(jīng)拿到的數(shù)據(jù)cache下來(lái)，等需要的時(shí)候，直接從cache里面取。

OK，目標(biāo)已經(jīng)有了，怎么實(shí)現(xiàn)呢？

如果是在C++中的，這是個(gè)很麻煩的事情，而且寫(xiě)出來(lái)的代碼必定丑陋無(wú)比，然而慶幸的是，我們用的是python，而python對(duì)函數(shù)有裝飾器。

所以實(shí)現(xiàn)方案也就有了:

定義一個(gè)裝飾器，如果之前取到數(shù)據(jù)，就直接取cache的數(shù)據(jù)；如果之前沒(méi)有取到，那么就從網(wǎng)站拉取，并且存入cache中.

代碼如下:

復(fù)制代碼代碼如下:

def get_dump_data(dir_name, url):

    m = hashlib.md5(url)

    filename = m.hexdigest()

    full_file_name = \'dumps/%s/%s\' % (dir_name,filename)

    if os.path.isfile(full_file_name):

        return eval(file(full_file_name,\'r\').read())

    else:

        return None

def set_dump_data(dir_name, url, data):

    if not os.path.isdir(\'dumps/\'+dir_name):

        os.makedirs(\'dumps/\'+dir_name)

    m = hashlib.md5(url)

    filename = m.hexdigest()

    full_file_name = \'dumps/%s/%s\' % (dir_name,filename)

    f = file(full_file_name, \'w+\')

    f.write(repr(data))

    f.close()

def deco_dump_data(func):

    def func_wrapper(url):

        data = get_dump_data(func.__name__,url)

        if data is not None:

            return data

        data = func(url)

        if data is not None:

            set_dump_data(func.__name__,url,data)

        return data

    return func_wrapper

然后，我們只需要在每個(gè)func_top,func_sub,func_bottom都加上deco_dump_data這個(gè)裝飾器即可~~

搞定！這樣做最大的好處在于，因?yàn)閠op,sub,bottom，每一層都會(huì)dump數(shù)據(jù)，所以比如某個(gè)sub層數(shù)據(jù)dump之后，是根本不會(huì)走到他所對(duì)應(yīng)的bottom層的，減少了大量的開(kāi)銷(xiāo)！

OK，就這樣~ 人生苦短，我用python！

您可能感興趣的文章: