2015年08月_yuyi_000

12月 11月 10月 09月 08月 07月 06月

原创 python 爬虫3 新浪微博爬虫实战

这次的项目和文件都放到了 github 上 https://github.com/poiu1235/weibo-catch：有兴趣的可以follow一下，或者点个赞咯我这里采用的深度挖掘的方式：没有设定爬取的边界（这个以后是要考虑的）大致的思路是，用自己的账号登陆后，获取自己的微博列表和朋友列表。然后根据朋友列表然后在爬取对方的微博列表和朋友列表。

2015-08-30 17:03:14 3650

原创 python爬虫补充章，在总控节点那台机器上安装mongodb和redis数据库都是非apt方法

因为发现爬虫爬取出来的数据如果按照表结构划分后存储，不仅麻烦而且非常大的冗余干脆试试用这样的非关系数据库来试试存储效果如何。这里我不打算用redis 进行比较，因为他是内存数据库，他擅长的领域应该是缓存和少量数据的统计归类（做这个的还有另外一大家伙memcache），redis 以后相配合其他应用提高效率的。这里相比较的主要是mongodb和mysql 的性能差，就特定指的是这样

2015-08-04 21:45:20 808

原创 python 爬虫2 介绍一下怎么抓取cookies，python多线程

读取cookies 可以这样： filename='FileCookieJar.txt' ckjar = cookielib.MozillaCookieJar() #这里读取cookie ckjar.load(filename, ignore_discard=True, ignore_expires=True) for it

2015-08-03 20:38:37 1156

转载 ubuntu apt-软件安装方式具体用法

apt-get 如何在ubuntu下面直接查找想要安装的软件？比如我想安装tomcat，但是我又不知道ubuntu里面有哪些版本，也不知道都需要装什么，但是我能确认我装的是tomcat，那么我就可以用搜索命令：例如：apt-cache search tomcat，这样我就会得到以下的结果： libtomcat5-java - Java Servlet engine -- cor

2015-08-03 19:40:55 1039

原创 mysql 的job 设置

创建event Create event *** On schedule Every 5 minute Starts now() Do Begin Call proc(); End 或者不想用存储过程的，可以直接写 create event e_1 on schedule every 1 second do insert into test3.test

2015-08-02 11:37:37 539

转载 mysql 的分库分表操作

转自：http://wentao365.iteye.com/blog/1740874 刘文涛前辈和转自 http://my.oschina.net/ydsakyclguozi/blog/199498 博客这里讲的是理论。路由机制和同步机制一般写在业务逻辑代码里和使用一些成熟的mysql 框架和插件（amoeba，Cobar）解决。单库单表单库单表是最常见

2015-08-02 10:54:56 2725 1