青青草原综合久久大伊人导航_色综合久久天天综合_日日噜噜夜夜狠狠久久丁香五月_热久久这里只有精品

socketref,再見!高德

https://github.com/adoggie

  C++博客 :: 首頁 :: 聯系 :: 聚合  :: 管理
  246 Posts :: 4 Stories :: 312 Comments :: 0 Trackbacks

常用鏈接

留言簿(54)

我參與的團隊

搜索

  •  

最新評論

閱讀排行榜

評論排行榜

幾個性能問題: 
  1. 商品圖像信息加入pgsql, 字段類型: model.BinaryField  (django 1.6) 
  2. django1.6提供數據庫長連接功能  
CONN_MAX_AGE 參數,可加快訪問速度
  3. gevent.spawn() 創建所有task,將導致進程被直接Kill掉,因為內存瘋長,所涉及的資源達到頂端將被OS殺死,包括:內存overload,file handle...
      使用 gevent.pool.Pool控制并發數量
   4. postgresql.conf 修改max_connections參數到300并發數
  5. 導入數據時,可先去除Table的索引,加快插入速度 
  
6 . django關閉DEBUG模式(會導致內存泄露不釋放) 





#
--coding:utf-8--


'''
    yixun_crawler - 易迅網站商品信息收集器
    author: scott
    date:

    目前僅考慮單點設備登錄

    lxml 的xpath還存在部分問題(還是自己沒完全領會呢?)

    source-code and db-sample:
           http://114.215.178.29/static/projects/crawler/
'''

import imp
imp.load_source('init','../init_script.py')
import gevent
import os,os.path,sys,struct,time,traceback,signal,threading,copy,base64,datetime

# from django.db import connection
#
 from django.db.models import Sum
from django.db import transaction

import yixun.models as  yixun

from bson.objectid import ObjectId
import lxml.etree as etree

import urllib2,urlparse

dbfile = 'goods.txt'

fdbfile = open(dbfile,'wb')

class ResourceItem:
    def __init__(self,text,href=None,tag=None,parent=None):
        self.text = text
        self.tag=tag
        self.href=href
        self.children=[]
        self.parent = parent


def scrape_page(url,pageIndex,cat1,cat2,cat3):
    print 'scrape_page:',url

    req = urllib2.urlopen(url)
    data = req.read()
    # savefile(data)
    html = etree.HTML(data.decode('utf-8'))

    #page size

    curPage = 0
    r = html.xpath('//*[@id="list"]/div[5]/div[2]/span/b/text()')
    if not r: return False
    curPage = r[0]
    r = html.xpath('//*[@id="list"]/div[5]/div[2]/span/text()')
    if not r : return False
    pageNum = int(r[0][1:])
    print pageNum,curPage

    #有一種情況,傳入大于總page數量的值,server會返回第一個page

    if pageIndex > pageNum:
        return False


    #檢索品牌
    goods = html.xpath(u"//div[@class='mod_goods']")
    if not goods:
        print 'skipped..'
        return False
    for g in goods:
        for e in g.getchildren():
            if e.get('class') ==  'mod_goods_info':    #一下search動作用xpath無法實現,所以只好挨個查找
                name = ''
                price =None
                link = ''
                for  p in e.getchildren():
                    if p.get('class')=='mod_goods_tit':
                        a= p.getchildren()[0]
                        name =  a.text.encode('utf-8')
                        link = a.get('href')

                    if p.get('class')=='mod_goods_price':
                        price = p.getchildren()[0].getchildren()[1].text.encode('utf-8')
                if name and price and link:
                    # print name , price ,link
                    text = "%s || %s || %s || %s || %s || %s\n"%(cat1,cat2,cat3,name,price,link.strip())

                    print text

                    gitem = yixun.GoodsItem()
                    gitem.cat1 = cat1
                    gitem.cat2 = cat2
                    gitem.cat3 = cat3
                    gitem.name = name
                    gitem.cat5 =  link

                    try:
                        gitem.price = float(price)
                    except:
                        pass
                    gitem.save()

                    # fdbfile.write(text)
                    # fdbfile.flush()


    return True

    # ss= p.xpath('..//dd/a')

'''
http://searchex.yixun.com/705740t705741-1-/?YTAG=2.1738456040037
http://searchex.yixun.com/html?path=705740t705741&area=1&sort=0&show=0&page=2&size=40&pf=0&as=0&charset=utf-8&YTAG=2.1738456040037#list
http://searchex.yixun.com/html?path=705740t705741&area=1&sort=0&show=0&page=1&size=40&pf=0&as=0&charset=utf-8&YTAG=2.1738456040037#list
'''
def scrape_cat(cat,yPageId,yPageLevel,tag,cat1,cat2,cat3):
    try:
        print cat.href
        #parse url
        url = cat.href
        fs =  urlparse.urlparse(url)
        path,qs=fs[2],fs[4]
        cat_idx =  path[1:].split('-')[0]
        # tag = qs.split('=')[1]
        tag = "%s.%s%s"%(yPageLevel,yPageId,tag)
        #make path url
        for page in range(1,500):
            url = "http://searchex.yixun.com/html?path=%s&area=1&sort=0&show=0&page=%s&size=40&pf=0&as=0&charset=utf-8&YTAG=%s#list"%(cat_idx,page,tag)
            if not scrape_page(url,page,cat1,cat2,cat3):
                break

        return


    except:
        traceback.print_exc()
        # print 'page is null,skipped..'

def savefile(d,filename='sample.html'):
    f = open(filename,'w')
    f.write(d)
    f.close()

def test():
    try:
        url = 'http://searchex.yixun.com/705740t705741-1-/?YTAG=2.1738456040037'
        fs =  urlparse.urlparse(url)
        path,qs=fs[2],fs[4]
        cat_idx =  path[1:].split('-')[0]
        tag = qs.split('=')[1]
        print cat_idx,tag

        return

        all_url = 'http://searchex.yixun.com/html?YTAG=3.705766287001&path=705882t705893'
        req = urllib2.urlsplit(all_url)
        html = req.read()
        savefile(html)

        dom = etree.HTML(html.decode('utf-8'))
        p = dom.xpath(u"//div[@title='品牌']")[0]
        ss= p.xpath('..//dd/a')
        print ss[0].text.encode('utf-8')

    except:
        traceback.print_exc()

def craw_start():
    import re
    try:
        all_url = 'http://searchex.yixun.com/?YTAG=2.1738456090000'
        req = urllib2.urlopen(all_url)
        html = req.read()

        # group = re.search("window\.yPageId ='(.*?)'",html)
        yPageId = re.search("window\.yPageId\s*=\s*'(\d+?)'",html).group(1)
        yPageLevel = re.search("window\.yPageLevel\s*=\s*'(\d+?)'",html).group(1)
        print yPageId,yPageLevel

        dom = etree.HTML(html.decode('gb2312'))
        all_cats=[]
        cat1_list = dom.xpath("//div[@class='m_classbox']")
        for cat in cat1_list:
            cat1_text = cat.xpath('h3/text()')[0]
            cat1_e = ResourceItem(cat1_text)
            all_cats.append(cat1_e)
            print cat1_e.text.encode('utf-8')
            div = cat.xpath("div")[0]
            for dl in  div.xpath('dl'):
                cat2 = dl.xpath('dt/a')[0]
                cat2_e = ResourceItem(cat2.text,href=cat2.attrib['href'],tag=cat2.attrib['ytag'],parent=cat1_e)
                cat1_e.children.append(cat2_e)
                print ' '*4,cat1_e.text.encode('utf-8'),cat2_e.href,cat2_e.tag
                for cat3 in dl.xpath('dd/a'):
                    cat3_e = ResourceItem(cat3.text,href=cat3.attrib['href'],tag=cat3.attrib['ytag'],parent=cat2_e)
                    cat2_e.children.append(cat3_e)
                    print ' '*8,cat3_e.text.encode('utf-8'),cat3_e.href,cat3_e.tag
        tasks =[]
        for e1 in all_cats:
            print '-'*1,e1.text.encode('utf-8')
            for e2 in e1.children:
                print '  '*2    ,e2.text.encode('utf-8')
                for e3 in e2.children:
                    print '  '*4,e3.text.encode('utf-8')
                    task = gevent.spawn(scrape_cat,e3,yPageId,yPageLevel,e2.tag,e1.text.encode('utf-8'),e2.text.encode('utf-8'),e3.text.encode('utf-8'))
                    tasks.append(task)
                    # scrape_cat(e3,yPageId,yPageLevel,e2.tag,e1.text.encode('utf-8'),e2.text.encode('utf-8'),e3.text.encode('utf-8'))
                    # return
        gevent.joinall(tasks)
    except:
        traceback.print_exc()


if __name__ == '__main__':
    craw_start()
    # test()
    pass
posted on 2014-05-20 11:33 放屁阿狗 閱讀(17195) 評論(0)  編輯 收藏 引用

只有注冊用戶登錄后才能發表評論。
網站導航: 博客園   IT新聞   BlogJava   博問   Chat2DB   管理


青青草原综合久久大伊人导航_色综合久久天天综合_日日噜噜夜夜狠狠久久丁香五月_热久久这里只有精品
  • <ins id="pjuwb"></ins>
    <blockquote id="pjuwb"><pre id="pjuwb"></pre></blockquote>
    <noscript id="pjuwb"></noscript>
          <sup id="pjuwb"><pre id="pjuwb"></pre></sup>
            <dd id="pjuwb"></dd>
            <abbr id="pjuwb"></abbr>
            欧美在线一级va免费观看| 久久精品日产第一区二区| 欧美激情一区二区三级高清视频| 激情另类综合| 蜜臀av性久久久久蜜臀aⅴ| 久久精品国产99精品国产亚洲性色| 国产欧美日韩激情| 久久九九精品| 巨乳诱惑日韩免费av| 亚洲精品之草原avav久久| 亚洲伦理在线| 国产精品视频一二三| 久久久久久网址| 久久综合亚州| 在线亚洲美日韩| 亚洲免费视频一区二区| 亚洲成人在线免费| 亚洲精品一区中文| 国产欧美日韩综合一区在线观看| 裸体一区二区三区| 欧美日韩国产91| 欧美在线观看www| 欧美成人一品| 午夜影视日本亚洲欧洲精品| 久久久久这里只有精品| 一本大道久久a久久综合婷婷| 亚洲综合大片69999| 亚洲国产精品ⅴa在线观看| 亚洲精选91| 精品动漫一区| 亚洲图片激情小说| 亚洲人成亚洲人成在线观看图片 | 亚洲福利视频免费观看| 亚洲靠逼com| 1769国产精品| 亚洲欧美日韩系列| 亚洲精品中文字幕女同| 性欧美videos另类喷潮| 亚洲一区区二区| 欧美高清在线观看| 玖玖综合伊人| 国产女人18毛片水18精品| 亚洲欧洲精品一区二区三区不卡 | 亚洲欧美怡红院| 免费看的黄色欧美网站| 欧美一进一出视频| 欧美女人交a| 欧美aaaaaaaa牛牛影院| 国产欧美一区二区三区在线老狼| 欧美激情中文字幕乱码免费| 国产伦精品一区二区三区视频孕妇 | 亚洲韩国青草视频| 性视频1819p久久| 亚洲主播在线播放| 欧美日韩三级电影在线| 亚洲电影第1页| 亚洲夫妻自拍| 久久电影一区| 久久久久国产精品一区| 国产精品男人爽免费视频1 | 久久久久久综合| 欧美视频在线一区二区三区| 亚洲国产成人91精品| 在线精品一区二区| 久久精品国产精品亚洲| 久久精品免费播放| 国产欧美日韩免费| 欧美一级大片在线观看| 欧美一级片一区| 国产日韩欧美日韩| 欧美专区亚洲专区| 久久久中精品2020中文| 国产一区清纯| 久久久久91| 欧美激情综合| 99精品国产福利在线观看免费| 欧美阿v一级看视频| 亚洲国产精品传媒在线观看 | 国语自产精品视频在线看一大j8 | 国产精品三级视频| 亚洲欧美国产精品va在线观看 | 日韩亚洲欧美一区二区三区| 欧美高清在线一区| 99国产精品久久久久久久成人热| 一区二区三区欧美日韩| 欧美天堂在线观看| 亚洲一区二区三区四区在线观看| 欧美一区二区三区免费看| 国产视频在线观看一区| 久久久av水蜜桃| 亚洲成色www8888| 久久爱www久久做| 久久麻豆一区二区| 亚洲人成网站777色婷婷| 欧美日韩福利在线观看| 亚洲一区视频在线观看视频| 久久久91精品国产一区二区精品| 精品999网站| 欧美精选在线| 午夜视频在线观看一区| 亚洲第一色在线| 亚洲欧美国产日韩中文字幕| 国内精品久久久久久久影视麻豆| 老色鬼精品视频在线观看播放| 亚洲人成网站影音先锋播放| 亚洲影音先锋| 国内免费精品永久在线视频| 欧美电影资源| 午夜免费久久久久| 亚洲国产视频a| 欧美一区二区三区视频| 亚洲国产日韩欧美在线图片| 欧美全黄视频| 久久精品人人做人人综合| 日韩午夜黄色| 欧美成人dvd在线视频| 亚洲综合大片69999| 在线日本欧美| 国产日韩欧美在线视频观看| 欧美成人69av| 久久精品日韩欧美| 亚洲四色影视在线观看| 亚洲国产精品一区| 久久天堂成人| 欧美在线亚洲综合一区| 亚洲桃色在线一区| 亚洲日本无吗高清不卡| 国产在线精品一区二区夜色| 国产精品成人av性教育| 欧美电影免费| 免费在线成人av| 欧美在线影院在线视频| 亚洲男人av电影| 亚洲视频在线观看视频| 一区二区三区欧美日韩| 亚洲青涩在线| 亚洲国产一区二区三区在线播| 欧美91精品| 欧美sm重口味系列视频在线观看| 久久久国际精品| 久久久国产午夜精品| 欧美一区二区视频在线观看| 亚洲一区日韩在线| 亚洲免费在线视频| 亚洲图片欧洲图片av| 亚洲天堂网站在线观看视频| 一区二区三区产品免费精品久久75 | 国产九区一区在线| 国产精品天美传媒入口| 国产精品久久国产三级国电话系列| 欧美日韩午夜剧场| 欧美视频一区| 国产精品免费视频xxxx| 国产精品午夜在线| 国产亚洲一区二区精品| 国产日韩欧美不卡| 韩国三级在线一区| 亚洲国产精品成人va在线观看| 亚洲国产精品久久久久秋霞影院| 影音先锋久久精品| 亚洲精品乱码久久久久久日本蜜臀 | 欧美大片在线观看一区二区| 欧美成人tv| 91久久综合亚洲鲁鲁五月天| 亚洲精品视频一区| 亚洲一区二区三区四区在线观看| 亚洲欧美综合另类中字| 久久精品一本久久99精品| 美国十次成人| 国产精品成人一区二区网站软件| 国产精品男gay被猛男狂揉视频| 国产欧美日韩免费看aⅴ视频| 影院欧美亚洲| 一区二区欧美激情| 欧美一区二区三区在线看| 免费国产一区二区| 日韩亚洲一区二区| 久久xxxx精品视频| 欧美激情视频一区二区三区免费| 欧美日韩一二三四五区| 国产亚洲午夜| 日韩一区二区高清| 欧美在线观看视频一区二区| 男人的天堂亚洲| 亚洲永久精品大片| 美女视频黄免费的久久| 国产精品久久久久久av下载红粉| 国产一区二区久久久| 亚洲最新在线视频| 久久久久久香蕉网| 夜夜躁日日躁狠狠久久88av| 久久精品视频在线| 国产精品裸体一区二区三区| 亚洲欧洲日韩综合二区| 欧美一区二区啪啪| 亚洲精品视频免费在线观看| 久久久亚洲成人| 国产三级欧美三级日产三级99| 日韩视频不卡中文| 久久综合婷婷|