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(17192) 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>
            日韩一区二区久久| 亚洲欧美韩国| 亚洲成色777777女色窝| 久久精品视频在线看| 国产一区激情| 免费观看30秒视频久久| 米奇777在线欧美播放| 夜夜精品视频一区二区| 一区二区三区成人| 国内精品久久久久久影视8| 美日韩在线观看| 欧美美女福利视频| 欧美在线视频免费| 久久嫩草精品久久久精品| 亚洲美女黄网| 亚洲欧美在线看| 亚洲国产欧美一区二区三区久久| 亚洲精品国产精品国自产在线 | 亚洲福利在线观看| 欧美日韩亚洲不卡| 久久成人资源| 欧美激情视频免费观看| 亚久久调教视频| 欧美jjzz| 久久免费高清| 欧美日韩1234| 美女精品自拍一二三四| 欧美日韩综合视频| 欧美1区2区3区| 国产精品久久久久aaaa| 欧美超级免费视 在线| 欧美性感一类影片在线播放| 久久久久久久高潮| 欧美日韩在线一区二区| 美女视频一区免费观看| 国产精品区二区三区日本| 老司机午夜精品| 欧美性片在线观看| 亚洲国产精品久久久久| 国产人成一区二区三区影院| 亚洲日韩中文字幕在线播放| 国产一区二区三区奇米久涩| 一本一本久久| 亚洲欧洲一区二区天堂久久| 欧美一区免费视频| 欧美一级视频一区二区| 欧美日韩国产页| 亚洲国产欧美一区二区三区丁香婷| 国产香蕉久久精品综合网| 99riav久久精品riav| 亚洲美女电影在线| 模特精品裸拍一区| 久久综合狠狠综合久久激情| 国产精品专区第二| 亚洲永久在线| 亚洲男女毛片无遮挡| 欧美日韩精品一区视频| 亚洲破处大片| 99国产精品久久久久久久久久 | 国产精品theporn| 亚洲精品三级| 99re热这里只有精品视频| 毛片基地黄久久久久久天堂| 美女性感视频久久久| 国自产拍偷拍福利精品免费一| 亚洲欧美日韩精品久久久久| 亚洲视频自拍偷拍| 国产精品成人国产乱一区| 一本一本a久久| 亚洲午夜精品视频| 国产精品久久久久一区二区三区 | 久久av在线| 国产欧美一区二区三区久久人妖 | 亚洲欧洲一区二区三区在线观看| 亚洲高清视频一区| 欧美激情导航| 99精品视频免费全部在线| 亚洲女优在线| 国产一二精品视频| 美女视频黄 久久| 亚洲国产小视频| 亚洲午夜久久久| 国产麻豆日韩| 久久久久久网| 91久久精品视频| 亚洲尤物影院| 韩日欧美一区二区| 欧美大片一区二区| 亚洲一级在线| 久久久久青草大香线综合精品| **网站欧美大片在线观看| 欧美精品久久久久久久免费观看| 一区二区精品在线| 久久久久久9| 99精品欧美一区二区三区| 国产精品热久久久久夜色精品三区| 午夜在线精品| 亚洲国产99| 欧美一区二区三区免费视频| 在线观看国产成人av片| 欧美视频在线播放| 久久人91精品久久久久久不卡| 亚洲精品中文字幕有码专区| 欧美在线啊v一区| 亚洲精品少妇30p| 国产欧美亚洲精品| 欧美伦理a级免费电影| 香蕉国产精品偷在线观看不卡| 亚洲高清三级视频| 久久精品国语| 在线一区二区日韩| 亚洲国产精品va在看黑人| 国产精品扒开腿爽爽爽视频 | 欧美亚洲在线播放| 亚洲国产一区二区三区高清| 欧美伊人影院| 亚洲视频播放| 亚洲日本中文字幕免费在线不卡| 国产欧美日韩精品一区| 欧美日韩妖精视频| 嫩草影视亚洲| 久久精品男女| 午夜性色一区二区三区免费视频| 亚洲人午夜精品免费| 麻豆精品视频在线观看| 欧美亚洲日本一区| 亚洲综合首页| 99视频精品| 亚洲国内精品| 狠狠色综合色区| 国产欧美午夜| 国产精品视频一二| 国产精品久久久久久久久久久久久 | 欧美在线视频一区| 亚洲综合视频网| 亚洲视频观看| 一区二区日韩免费看| 亚洲精品一二| 亚洲精品视频在线看| 亚洲黄色有码视频| 亚洲国产成人午夜在线一区| 欧美成人首页| 欧美国产日韩一区二区| 欧美成人视屏| 亚洲黄色免费| 亚洲日本在线观看| 亚洲美女区一区| 99成人在线| 亚洲综合三区| 久久激情婷婷| 免费不卡欧美自拍视频| 欧美成人一二三| 欧美日韩免费观看一区| 国产精品成人免费精品自在线观看| 欧美午夜电影在线观看| 国产精品视频成人| 韩日在线一区| 亚洲欧洲日韩女同| 一区二区欧美日韩| 午夜精品福利电影| 久久精品国语| 免费观看久久久4p| 亚洲韩国一区二区三区| av成人激情| 欧美一区二区精品久久911| 久久精品国产欧美亚洲人人爽| 久久手机精品视频| 欧美日韩中文字幕精品| 国产欧美va欧美不卡在线| 精品999在线播放| 日韩一级黄色av| 性欧美18~19sex高清播放| 久久亚洲二区| 日韩网站在线观看| 久久黄色影院| 欧美三级电影网| 韩国亚洲精品| 亚洲无线视频| 久久综合色影院| a4yy欧美一区二区三区| 久久国产精品99精品国产| 欧美美女福利视频| 国产一区二区三区丝袜| 一本色道久久加勒比精品| 欧美一区二区三区视频在线观看 | 欧美一级一区| 亚洲风情在线资源站| 亚洲综合日韩在线| 欧美成人精品| 国产有码在线一区二区视频| 亚洲免费观看高清完整版在线观看| 亚洲欧美国产制服动漫| 亚洲国产日韩欧美综合久久| 亚洲直播在线一区| 欧美日韩另类一区| 最新日韩在线| 麻豆精品视频在线观看视频| 亚洲小说春色综合另类电影| 免费观看在线综合色| 国产一区二区三区自拍|