python爬虫代码解析-Python爬虫DNS解析缓存方法实例分析

本文实例讲述了Python爬虫DNS解析缓存方法。分享给大家供大家参考，具体如下：

前言：

这是Python爬虫中DNS解析缓存模块中的核心代码，是去年的代码了，现在放出来 有兴趣的可以看一下。

一般一个域名的DNS解析时间在10~60毫秒之间，这看起来是微不足道，但是对于大型一点的爬虫而言这就不容忽视了。例如我们要爬新浪微博，同个域名下的请求有1千万（这已经不算多的了），那么耗时在10~60万秒之间，一天才86400秒。也就是说单DNS解析这一项就用了好几天时间，此时加上DNS解析缓存，效果就明显了。

下面直接放代码，说明在后面。

代码：

# encoding=utf-8

# ---------------------------------------

# 版本：0.1

# 日期：2016-04-26

# 作者：九茶

# 开发环境：Win64 + Python 2.7

# ---------------------------------------

import socket

# from gevent import socket

_dnscache = {}

def _setDNSCache():

""" DNS缓存 """

def _getaddrinfo(*args, **kwargs):

if args in _dnscache:

# print str(args) + " in cache"

return _dnscache[args]

else:

# print str(args) + " not in cache"

_dnscache[args] = socket._getaddrinfo(*args, **kwargs)

return _dnscache[args]

if not hasattr(socket, "_getaddrinfo"):

socket._getaddrinfo = socket.getaddrinfo

socket.getaddrinfo = _getaddrinfo

说明：

其实也没什么难度，就是将socket里面的缓存保存下来，避免重复获取。

可以将上面的代码放在一个dns_cache.py文件里，爬虫框架里调用一下这个_setDNSCache()方法就行了。

需要说明一下的是，如果你使用了gevent协程，并且用上了monkey.patch_all()，要注意此时爬虫已经改用gevent里面的socket了，DNS解析缓存模块也应该要用gevent的socket才行。

更多关于Python相关内容可查看本站专题：《Python Socket编程技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。

本文标题: Python爬虫DNS解析缓存方法实例分析

本文地址: http://www.cppcns.com/jiaoben/python/192684.html