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(17182) 評論(0)  編輯 收藏 引用
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>
            午夜精品三级视频福利| 一区二区三区精品视频在线观看| 久久成人综合网| 亚洲天堂成人| 亚洲视频在线观看网站| 亚洲综合欧美日韩| 欧美在线视频观看免费网站| 久久精品中文| 欧美另类变人与禽xxxxx| 欧美色中文字幕| 国产欧美日韩三区| 在线看片成人| 亚洲一区二区三区激情| 久久一区二区三区av| 欧美激情 亚洲a∨综合| 夜夜狂射影院欧美极品| 久久精品导航| 欧美日韩免费一区二区三区| 国产日产欧美一区| 亚洲伦理在线| 久久久久久午夜| 亚洲精品一区二区三区樱花| 欧美一级在线亚洲天堂| 欧美精品在线免费播放| 精品1区2区| 亚洲一级在线观看| 欧美寡妇偷汉性猛交| 亚洲综合国产精品| 欧美日韩国产成人在线91| 黄色资源网久久资源365| 亚洲一区二区三区乱码aⅴ蜜桃女| 亚洲国产专区| 久久精品国产亚洲5555| 蜜月aⅴ免费一区二区三区| 日韩视频精品在线| 久久精品一区二区三区四区| 欧美精品一区在线播放| 国语对白精品一区二区| 亚洲系列中文字幕| 欧美高清视频在线播放| 欧美一区二区精品在线| 国产精品久久久久久久7电影 | 国产精品视频yy9299一区| 亚洲国产综合视频在线观看| 久久久久久久性| 亚洲视频 欧洲视频| 欧美黄免费看| 亚洲人成网站影音先锋播放| 麻豆成人精品| 久久精品视频在线播放| 国产精品视频在线观看| 亚洲一二三区在线| 在线亚洲欧美专区二区| 欧美日韩一区二区在线观看| 亚洲人成在线观看一区二区| 蜜臀av性久久久久蜜臀aⅴ四虎| 欧美一级视频精品观看| 国产色视频一区| 久久成人精品无人区| 午夜精品久久久| 国产亚洲精品久| 久久综合给合| 免费成人黄色片| 亚洲精品久久视频| 亚洲精品五月天| 欧美性淫爽ww久久久久无| 亚洲专区欧美专区| 亚洲欧美激情视频| 国产资源精品在线观看| 免费av成人在线| 欧美国产视频在线| 亚洲综合欧美| 久久国产99| 亚洲精品在线看| 中文日韩电影网站| 国产香蕉久久精品综合网| 久久偷窥视频| 欧美黄色片免费观看| 亚洲欧美www| 欧美一级黄色录像| 亚洲精华国产欧美| 一区二区高清| 国产在线观看一区| 欧美韩日一区二区三区| 欧美日韩亚洲系列| 欧美在线日韩| 免费视频最近日韩| 亚洲午夜电影网| 久久成人精品无人区| 中文国产一区| 久久国产日本精品| 亚洲国产精品尤物yw在线观看 | 在线精品一区| 亚洲精品综合久久中文字幕| 国产日韩av在线播放| 老司机免费视频久久 | 国产婷婷成人久久av免费高清| 免费观看30秒视频久久| 欧美日韩妖精视频| 久久影院午夜论| 欧美三级不卡| 欧美aⅴ99久久黑人专区| 欧美天堂亚洲电影院在线观看| 久久天天躁狠狠躁夜夜爽蜜月 | 国产精品v片在线观看不卡| 久久久xxx| 国产精品久久久久久影视 | 欧美成人69av| 久久久久综合网| 国产精品www色诱视频| 欧美激情第三页| 国产性天天综合网| 一区二区欧美日韩| 亚洲黄色毛片| 久久九九国产精品| 性色一区二区三区| 欧美色图一区二区三区| 亚洲激情av| 国产在线不卡| 午夜精品影院| 亚洲欧美日本在线| 欧美日韩精品福利| 亚洲国产成人精品久久| 一区二区在线视频播放| 性欧美激情精品| 欧美一级理论片| 国产精品久久久久影院色老大| 亚洲国内精品在线| 亚洲黄色在线| 免费人成精品欧美精品| 牛人盗摄一区二区三区视频| 激情文学综合丁香| 久久久国产一区二区| 玖玖玖国产精品| 精品88久久久久88久久久| 欧美在线视频在线播放完整版免费观看| 亚洲欧美日本国产有色| 国产精品视频网站| 性色av一区二区三区在线观看| 欧美亚洲视频一区二区| 国产女主播一区二区| 午夜日韩在线| 久久资源av| 亚洲精品在线观看视频| 欧美乱人伦中文字幕在线| 日韩五码在线| 午夜国产一区| 欧美午夜激情小视频| 欧美99久久| 最新国产成人在线观看| 99re热精品| 国产精品h在线观看| 亚洲尤物视频在线| 久久久久久久久久久久久女国产乱| 国产一区二区三区四区三区四| 久久久激情视频| 亚洲欧洲日产国产网站| 国产精品99久久久久久www| 国产精品高潮呻吟视频| 欧美一区二区三区的| 麻豆九一精品爱看视频在线观看免费| 原创国产精品91| 欧美美女bb生活片| 午夜一区二区三视频在线观看 | 亚洲一区二区三区午夜| 国产伦精品一区二区三区免费 | 亚洲激情影视| 欧美一区二区三区在线| 亚洲福利视频在线| 欧美视频不卡| 久久久视频精品| 亚洲最新合集| 榴莲视频成人在线观看| 亚洲一区欧美一区| 激情久久综合| 国产精品99免费看| 久久在精品线影院精品国产| 一区二区激情小说| 欧美成人一区二区三区| 亚洲欧美日韩国产成人精品影院| 韩国自拍一区| 国产精品久久久一区二区| 欧美 日韩 国产在线| 亚欧成人精品| 日韩视频在线一区二区| 欧美不卡在线视频| 欧美一级视频精品观看| 夜夜嗨av一区二区三区免费区| 国模精品一区二区三区色天香| 欧美特黄一区| 欧美极品欧美精品欧美视频| 久久精品欧美日韩| 亚洲综合日韩在线| 一本色道久久加勒比88综合| 亚洲第一搞黄网站| 免费高清在线一区| 巨乳诱惑日韩免费av| 欧美在线视频观看| 午夜欧美大尺度福利影院在线看| 夜夜爽夜夜爽精品视频|