Queue

成都創(chuàng)新互聯(lián)公司主營(yíng)宿豫網(wǎng)站建設(shè)的網(wǎng)絡(luò)公司,主營(yíng)網(wǎng)站建設(shè)方案,重慶APP開(kāi)發(fā),宿豫h5小程序制作搭建,宿豫網(wǎng)站營(yíng)銷(xiāo)推廣歡迎宿豫等地區(qū)企業(yè)咨詢

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)

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無(wú)理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國(guó)服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡(jiǎn)單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢(shì)，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場(chǎng)景需求。

本文名稱：Pythontornado隊(duì)列示例-一個(gè)并發(fā)web爬蟲(chóng)代碼分享-創(chuàng)新互聯(lián)
分享URL：http://chinadenli.net/article8/cdosop.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供標(biāo)簽優(yōu)化、網(wǎng)頁(yè)設(shè)計(jì)公司、ChatGPT、電子商務(wù)、定制網(wǎng)站、App開(kāi)發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)