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爬蟲項(xiàng)目設(shè)置一個(gè)中斷重連的程序的實(shí)現(xiàn)

 更新時(shí)間:2019年07月26日 10:43:47   作者:匡虐  
這篇文章主要介紹了python爬蟲項(xiàng)目設(shè)置一個(gè)中斷重連的程序的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)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

做爬蟲項(xiàng)目時(shí),我們需要考慮一個(gè)爬蟲在爬取時(shí)會(huì)遇到各種情況(網(wǎng)站驗(yàn)證,ip封禁),導(dǎo)致爬蟲程序中斷,這時(shí)我們已經(jīng)爬取過一些數(shù)據(jù),再次爬取時(shí)這些數(shù)據(jù)就可以忽略,所以我們需要在爬蟲項(xiàng)目中設(shè)置一個(gè)中斷重連的功能,使其在重新運(yùn)行時(shí)從之前斷掉的位置重新爬取數(shù)據(jù)。

實(shí)現(xiàn)該功能有很多種做法,我自己就有好幾種思路,但是真要自己寫出來就要費(fèi)很大的功夫,下面我就把自己好不容易拼湊出來的代碼展示出來吧。

首先是來介紹代碼的思路:

將要爬取的網(wǎng)站連接存在一個(gè)數(shù)組new_urls中,爬取一個(gè)網(wǎng)址就將它移入另一個(gè)數(shù)組old_urls中,爬取網(wǎng)站時(shí),就看它是在哪一個(gè)數(shù)組中,然后再?zèng)Q定要不要爬取。

下面展示代碼(從別處抄的):

class UrlManager(object):
  def __init__(self):  #定義兩個(gè)數(shù)組
    self.new_urls=set()
    self.old_urls=set()

  def add_new_url(self, url): #將一個(gè)url加入到new_urls數(shù)組中
    if url is None:
      return
    if url not in self.new_urls and url not in self.old_urls:
      self.new_urls.add(url)

  def add_new_urls(self, urls): #將多個(gè)url加入到new_urls數(shù)組中
    if urls is None or len(urls)==0:
      return
    for url in urls :
      self.add_new_url(url)

  def has_new_url(self):  #判斷url是否為空
    return len(self.new_urls)!=0

  def get_new_url(self):
    #list.pop()默認(rèn)移除列表中最后一個(gè)元素對(duì)象
    new_url=self.new_urls.pop()
    self.old_urls.add(new_url)
    return new_url

這個(gè)類實(shí)現(xiàn)了中斷重連的基本功能,但是當(dāng)我們要爬取的網(wǎng)址非常的,那這就對(duì)我們電腦的內(nèi)存要求非常大,所以我們要將數(shù)組保存到文檔中,增加一個(gè)從文檔中提取網(wǎng)址的過程。

下面看代碼:

class UrlManager(object):
  def __init__(self):   #建立兩個(gè)數(shù)組的文件
    with open('new_urls.txt','r+') as new_urls:
      self.new_urls = new_urls.read()
    with open('old_urls.txt','r+') as old_urls:
      self.old_urls = old_urls.read()

  def add_new_url(self, url):   #添加url到new_ulrs文件中
    if url is None:
      return
    if url not in self.new_urls and url not in self.old_urls:
      with open('new_urls.txt', 'a') as new_urls:
        new_urls.write(url)
    else:
      print('url had done')

  def add_new_urls(self, urls):  #添加多個(gè)url到new_ulrs文件中
    # if urls is None or (len(url) == 0 for url in urls):
    if urls is None:
      print('url is none')
      return
    for url in urls:
      if urls is None:
        print('url is none')
        return
      else:
        self.add_new_url(url)

  def has_new_url(self):
    return len(self.new_urls) != 0

  def get_new_url(self):  
    new_url = get_last_line('new_urls.txt')  #讀取new_urls文件中最后一個(gè)url
    del_last_url('new_urls.txt',new_url) #刪除new_urls文件中最后一個(gè)url
    add_old_urls('old_urls.txt',new_url) #將讀取出來的url添加入old_urls數(shù)組中
    return new_url

其中的get_last_line()函數(shù)有些復(fù)雜,這也是我卡時(shí)間最長(zhǎng)的一塊,

import os
def get_last_line(inputfile):
  filesize = os.path.getsize(inputfile)
  blocksize = 1024
  dat_file = open(inputfile, 'rb')

  last_line = b""
  lines = []
  if filesize > blocksize:
    maxseekpoint = (filesize // blocksize) # 這里的除法取的是floor
    maxseekpoint -= 1
    dat_file.seek(maxseekpoint * blocksize)
    lines = dat_file.readlines()
    while ((len(lines) < 2) | ((len(lines) >= 2) & (lines[1] == b'\r\n'))): # 因?yàn)樵赪indows下,所以是b'\r\n'
      # 如果列表長(zhǎng)度小于2,或者雖然長(zhǎng)度大于等于2,但第二個(gè)元素卻還是空行
      # 如果跳出循環(huán),那么lines長(zhǎng)度大于等于2,且第二個(gè)元素肯定是完整的行
      maxseekpoint -= 1
      dat_file.seek(maxseekpoint * blocksize)
      lines = dat_file.readlines()
  elif filesize: # 文件大小不為空
    dat_file.seek(0, 0)
    lines = dat_file.readlines()
  if lines: # 列表不為空
    for i in range(len(lines) - 1, -1, -1):
      last_line = lines[i].strip()
      if (last_line != b''):
        break # 已經(jīng)找到最后一個(gè)不是空行的
  dat_file.close()
  return last_line

def del_last_url(fname,part):
  with open(fname,'rb+') as f:
    a = f.read()
  a = a.replace(part,b'')
  with open(fname,'wb+') as f:
    f.write(a)
    
def add_old_urls(fname,new_url):
  line = new_url + b'\r'
  with open(fname,'ab') as f:
    f.write(line)

好了,爬蟲的中斷重連的功能就實(shí)現(xiàn)了,下面要做的就是將該功能接入爬蟲項(xiàng)目中,比較簡(jiǎn)單。

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 collections模塊的使用

    python collections模塊的使用

    這篇文章主要介紹了python collections模塊的使用,幫助大家更好的理解和使用python,感興趣的朋友可以了解下
    2020-10-10
  • 使用python繪制愛心效果代碼實(shí)例

    使用python繪制愛心效果代碼實(shí)例

    本文介紹了如何使用Python的Turtle模塊繪制一個(gè)紅色的愛心圖形,示例代碼通過定義draw_love函數(shù),利用Turtle的移動(dòng)和轉(zhuǎn)向功能,實(shí)現(xiàn)了愛心輪廓的繪制,并填充紅色,這種方法適用于簡(jiǎn)單的圖形繪制,并可視化展示結(jié)果,需要的朋友可以參考下
    2024-09-09
  • python中文本字符處理的簡(jiǎn)單方法記錄

    python中文本字符處理的簡(jiǎn)單方法記錄

    這篇文章主要給大家介紹了關(guān)于python中文本字符處理的簡(jiǎn)單方法,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)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
    2021-03-03
  • Python語(yǔ)音合成之第三方庫(kù)gTTs/pyttsx3/speech橫評(píng)(內(nèi)附使用方法)

    Python語(yǔ)音合成之第三方庫(kù)gTTs/pyttsx3/speech橫評(píng)(內(nèi)附使用方法)

    Python是一種非常強(qiáng)大的腳本語(yǔ)言,可以用來實(shí)現(xiàn)各種復(fù)雜的應(yīng)用,其中之一就是文本轉(zhuǎn)語(yǔ)音,即把文字轉(zhuǎn)換成聲音來發(fā)出,下面這篇文章主要給大家介紹了關(guān)于Python語(yǔ)音合成之第三方庫(kù)gTTs/pyttsx3/speech橫評(píng)的相關(guān)資料,文中還介紹了詳細(xì)的使用方法,需要的朋友可以參考下
    2023-05-05
  • Python面向?qū)ο竽Хǚ椒ê蛦卫K代碼實(shí)例

    Python面向?qū)ο竽Хǚ椒ê蛦卫K代碼實(shí)例

    這篇文章主要介紹了Python面向?qū)ο竽Хǚ椒ê蛦卫K代碼實(shí)例,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-03-03
  • tensorflow ckpt模型和pb模型獲取節(jié)點(diǎn)名稱,及ckpt轉(zhuǎn)pb模型實(shí)例

    tensorflow ckpt模型和pb模型獲取節(jié)點(diǎn)名稱,及ckpt轉(zhuǎn)pb模型實(shí)例

    今天小編就為大家分享一篇tensorflow ckpt模型和pb模型獲取節(jié)點(diǎn)名稱,及ckpt轉(zhuǎn)pb模型實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2020-01-01
  • Django使用rest_framework寫出API

    Django使用rest_framework寫出API

    這篇文章主要介紹了Django使用rest_framework寫出API,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2020-05-05
  • 詳解django中自定義標(biāo)簽和過濾器

    詳解django中自定義標(biāo)簽和過濾器

    本篇文章主要介紹了django中自定義標(biāo)簽和過濾器,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧
    2017-07-07
  • Python中方法的缺省參數(shù)問題解讀

    Python中方法的缺省參數(shù)問題解讀

    這篇文章主要介紹了Python中方法的缺省參數(shù)問題解讀,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
    2022-12-12
  • Pytorch抽取網(wǎng)絡(luò)層的Feature Map(Vgg)實(shí)例

    Pytorch抽取網(wǎng)絡(luò)層的Feature Map(Vgg)實(shí)例

    今天小編就為大家分享一篇Pytorch抽取網(wǎng)絡(luò)層的Feature Map(Vgg)實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2019-08-08

最新評(píng)論

外汇| 银川市| 个旧市| 大理市| 闽侯县| 屏山县| 金阳县| 厦门市| 盘山县| 奇台县| 泸州市| 湘阴县| 莱芜市| 翁牛特旗| 唐海县| 江川县| 苍山县| 阿尔山市| 桓仁| 康定县| 鸡西市| 横山县| 韶关市| 绥滨县| 井陉县| 郁南县| 永安市| 荣昌县| 太原市| 巩义市| 北京市| 成武县| 环江| 五华县| 阿巴嘎旗| 云浮市| 南郑县| 万荣县| 台州市| 邛崃市| 安岳县|