开源 企业版 高校版 私有云 模力方舟 AI 队友
代码拉取完成,页面将自动刷新
加入 Gitee
与超过 1400万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
已有帐号? 立即登录
文件
master
分支 (1)
master
该仓库未声明开源许可证文件(LICENSE),使用请关注具体项目描述及其代码上游依赖。
项目仓库所选许可证以仓库主分支所使用许可证为准
master
分支 (1)
master
克隆/下载
克隆/下载
提示
下载代码请复制以下命令到终端执行
为确保你提交的代码身份被 Gitee 正确识别,请执行以下命令完成配置
初次使用 SSH 协议进行代码克隆、推送等操作时,需按下述提示完成 SSH 配置
1 生成 RSA 密钥
2 获取 RSA 公钥内容,并配置到 SSH公钥
在 Gitee 上使用 SVN,请访问 使用指南
使用 HTTPS 协议时,命令行会出现如下账号密码验证步骤。基于安全考虑,Gitee 建议 配置并使用私人令牌 替代登录密码进行克隆、推送等操作
Username for 'https://gitee.com': userName
Password for 'https://userName@gitee.com': # 私人令牌
master
分支 (1)
master
UserPyScript
/
asyncio_scrape.py
UserPyScript
/
asyncio_scrape.py
asyncio_scrape.py 2.71 KB
一键复制 编辑 原始数据 按行查看 历史
youerning 提交于 2018年08月16日 17:20 +08:00 . add asyncio_scrape.py
import asyncio
import aiomysql
import aiohttp
import re
from pyquery import PyQuery
stopping = False
start_url = "http://www.jobbole.com/"
waiting_url = []
seen_urls = set()
sem = asyncio.Semaphore(3)
async def fetch(url, session):
async with sem:
try:
async with session.get(url) as resp:
# print("status: ", resp.status)
if resp.status in [200, 201]:
data = await resp.text()
return data
else:
pass
except Exception as e:
print(e)
def extract_url(html):
urls = []
pg = PyQuery(html)
for link in pg.items("a"):
url = link.attr("href")
if url and url.startswith("http") and url not in seen_urls:
urls.append(url)
waiting_url.append(url)
async def init_urls(url, session):
html = await fetch(url, session)
seen_urls.add(url)
extract_url(html)
async def article_handler(url, session, pool):
html = await fetch(url, session)
seen_urls.add(url)
extract_url(html)
pg = PyQuery(html)
title = pg("title").text()
async with pool.get() as conn:
async with conn.cursor() as cur:
sql = "insert into article(title) value('{}')".format(title)
await cur.execute(sql)
async def consumer(pool):
async with aiohttp.ClientSession() as session:
while not stopping:
if len(waiting_url) == 0:
await asyncio.sleep(2)
continue
url = waiting_url.pop()
if re.match("http://.*?jobbole.com/\d+/", url):
if url not in seen_urls:
print("start scrape url: ", url)
asyncio.ensure_future(article_handler(url, session, pool))
# await asyncio.sleep(1)
# else:
# if url not in seen_urls:
# asyncio.ensure_future(init_urls(url, session))
async def main(loop):
pool = await aiomysql.create_pool(host='192.168.110.104', port=3306,
user='root', password='mypassword',
db='aiomysql_test', loop=loop,
charset="utf8", autocommit=True)
async with aiohttp.ClientSession() as session:
html = await fetch(start_url, session)
seen_urls.add(start_url)
extract_url(html)
asyncio.ensure_future(consumer(pool))
if __name__ == '__main__':
loop = asyncio.get_event_loop()
task = asyncio.ensure_future(main(loop))
loop.run_forever()
Loading...
举报
举报成功
我们将于2个工作日内通过站内信反馈结果给你!
请认真填写举报原因,尽可能描述详细。
请选择举报类型
取消
发送
误判申诉

此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。

如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。

取消
提交

简介

取消

发行版

暂无发行版

贡献者

全部

近期动态

不能加载更多了
编辑仓库简介
简介内容
主页
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化
1
https://gitee.com/jack508/UserPyScript.git
git@gitee.com:jack508/UserPyScript.git
jack508
UserPyScript
UserPyScript
master
点此查找更多帮助

搜索帮助

评论
仓库举报
回到顶部
登录提示
该操作需登录 Gitee 帐号,请先登录后再操作。
立即登录
没有帐号,去注册

AltStyle によって変換されたページ (->オリジナル) /