利用redis中列表数据类型构建共享消息队列

为了应对大规模爬虫，可食用分布式爬虫技术，分布式爬虫技术中有一项技术必须解决：多态主机共同爬取大量url地址，如何剔除或者识别已爬取的url，为了解决这项技术问题，可以借助redis中列表数据类型，实现url的存储，然后通过一台主机负责爬取url，其他主机负责请求redis数据库中保存的url，具体代码如下：

'''负责产生url地址'''
import redis
import random
import time

r = redis.Redis(host='127.0.0.1', port=6379, db=0, password=123456)
# 生成很多URL地址，放到redis列表中
for i in range(1, 51):
    url = 'http://app.mi.com/#page=' + str(i)
    # 放入到redis列表
    r.lpush('xiaomi:urls', url)
    # 随机休眠3~5秒
    time.sleep(random.randint(3, 5))



===================================================
'''从xiaomi:urls中获取地址，进行数据抓取'''
import redis

r = redis.Redis(host='127.0.0.1', port=6379, db=0, password=123456)

while True:
    # 从列表中获取地址,结果为元组，或者None
    url = r.brpop('xiaomi:urls', 6)
    print(url)
    if url:
        print(url[1].decode())
        print('正在抓取.....')
    else:
        print('抓取结束')
        break

 

转载于:https://www.cnblogs.com/yuxiangyang/p/11190678.html