最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

python使用tornado實現(xiàn)簡單爬蟲

 更新時間: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實現(xiàn)簡單爬蟲,具有一定的參考價值,感興趣的小伙伴們可以參考一下

本文實例為大家分享了python使用tornado實現(xiàn)簡單爬蟲的具體代碼,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tornado新手來說閱讀起來還是有點困難的,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
 # 此代碼會獲取base_url下的所有其他url
@gen.coroutine
def get_links_from_url(url):

  try:
    # 通過異步向url發(fā)起請求
    response = yield httpclient.AsyncHTTPClient().fetch(url)
    print('fetched %s' % url)
    # 響應(yīng)如果是字節(jié)類型 進行解碼
    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))
    # 報錯返回空列表
    raise gen.Return([])
  # 返回url列表
  raise gen.Return(urls)


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

  return pure_url


def get_links(html):
  #從html頁面里提取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)建隊列
  q = queues.Queue()
  # 記錄開始時間戳
  start = time.time()
  # 構(gòu)建兩個集合
  fetching, fetched = set(), set()

  @gen.coroutine
  def fetch_url():
    # 從隊列中取出數(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)請求玩的url放入第二個集合
      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開始則放入隊列
        if new_url.startswith(base_url):
          yield q.put(new_url)

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

  @gen.coroutine
  def worker():
    while True:
      # 保證程序持續(xù)運行
      yield fetch_url()
  # 將第一個url放入隊列
  q.put(base_url)

  # Start workers, then wait for the work queue to be empty.
  for _ in range(concurrency):
    # 啟動對應(yīng)數(shù)量的worker
    worker()
  # 等待隊列數(shù)據(jù)處理完成
  yield q.join(timeout=timedelta(seconds=300))
  # 如果兩個集合不相等拋出異常
  assert fetching == fetched
  # 打印執(zhí)行時間
  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內(nèi)容,希望對大家的學(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

  • 利用Python微信群發(fā)英語每日一句

    利用Python微信群發(fā)英語每日一句

    這篇文章主要為大家詳細(xì)介紹了Python如何利用wxauto實現(xiàn)微信群發(fā)消息,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下
    2024-11-11
  • python通過Seq2Seq實現(xiàn)閑聊機器人

    python通過Seq2Seq實現(xiàn)閑聊機器人

    這篇文章主要介紹了python通過Seq2Seq實現(xiàn)閑聊機器人,文中有非常詳細(xì)的代碼示例,對正在學(xué)習(xí)python的小伙伴們有很好的幫助,需要的朋友可以參考下
    2021-04-04
  • python 對多個csv文件分別進行處理的方法

    python 對多個csv文件分別進行處理的方法

    今天小編就為大家分享一篇python 對多個csv文件分別進行處理的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-01-01
  • Python中qutip用法示例詳解

    Python中qutip用法示例詳解

    這篇文章主要給大家介紹了關(guān)于Python中qutip用法示例,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-10-10
  • Python操作MySQL數(shù)據(jù)庫的方法

    Python操作MySQL數(shù)據(jù)庫的方法

    pymsql是Python中操作MySQL的模塊,其使用方法和MySQLdb幾乎相同。接下來通過本文給大家介紹Python操作MySQL數(shù)據(jù)庫的方法,感興趣的朋友一起看看吧
    2018-06-06
  • python實現(xiàn)桌面壁紙切換功能

    python實現(xiàn)桌面壁紙切換功能

    這篇文章主要為大家詳細(xì)介紹了python requests+pywin32實現(xiàn)桌面壁紙切換,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2019-01-01
  • 圖片去摩爾紋簡述實現(xiàn)python代碼示例

    圖片去摩爾紋簡述實現(xiàn)python代碼示例

    這篇文章主要為大家介紹了圖片去摩爾紋簡述實現(xiàn)的python代碼示例,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
    2023-02-02
  • python全棧要學(xué)什么 python全棧學(xué)習(xí)路線

    python全棧要學(xué)什么 python全棧學(xué)習(xí)路線

    在本文中小編給大家整理了關(guān)于python全棧要學(xué)什么以及python全棧學(xué)習(xí)路線的知識點內(nèi)容,需要的朋友們參考下。
    2019-06-06
  • Python定時庫Apscheduler的簡單使用

    Python定時庫Apscheduler的簡單使用

    Apscheduler是基于Quartz的Python定時任務(wù)框架,功能上跟Quartz一致,使用上跟Quartz也幾乎一致。下面通過本文給大家介紹Python定時庫Apscheduler的簡單使用,感興趣的朋友一起看看吧
    2021-11-11
  • Python3批量移動指定文件到指定文件夾方法示例

    Python3批量移動指定文件到指定文件夾方法示例

    這篇文章主要給大家介紹了關(guān)于Python3批量移動指定文件到指定文件夾的相關(guān)資料,文中通過示例代碼介紹的非常詳細(xì),對大家學(xué)習(xí)或者使用Python3具有一定的參考學(xué)習(xí)價值,需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧
    2019-09-09

最新評論

乃东县| 昆明市| 平武县| 鹤山市| 惠安县| 宜君县| 崇义县| 工布江达县| 收藏| 红桥区| 三明市| 民勤县| 洛扎县| 页游| 尼勒克县| 台南县| 搜索| 富蕴县| 罗甸县| 恩施市| 泗水县| 武义县| 油尖旺区| 周至县| 青龙| 江油市| 波密县| 甘德县| 新野县| 大荔县| 洮南市| 巴东县| 于田县| 宁阳县| 望江县| 疏勒县| 高密市| 堆龙德庆县| 博湖县| 凤山市| 绥江县|