欢迎来到爬虫高级兼实战教程,打开你的IDE,开始python之旅吧!
redis数据库
redis也是一种数据库,我们用到他的一个数据类型,也就是list列表来进行我们的分布式爬虫,接下来截取部分代码进行解析:
#引入redis库
from redis import Redis
#用来把网址放进列表里的函数
def push_redis_list():
#连接redis数据库
r = Redis(host='127.0.0.1', port=6379)
#遍历每一个网址
for url in link_list:
#将网址放进名为information的列表里
r.lpush('imformation',url)
re_url=re.search(r'http://campus.chinahr.com/qz/P(.*?)/?job_type=10&',url)
re_url=re_url.group(1)
print('append : '+re_url)
return
#连接redis数据库
r = Redis(host='127.0.0.1', port=6379)
#取出网址
url = r.lpop('imformation')
#ascii方式解码网址
url = url.decode('ascii')
redis数据库使用lpush来向列表中加入元素,使用lpop从列表中取出元素,分布式爬虫也就意味着用一个程序来向列表中加入网址,令几个程序来取出网址并访问,这样我们就使用redis来连接了这几个程序。
加入网址的程序称为master:
this_machine = 'master'
print('start redis spider')
if this_machine == 'master':
push_redis_list()
else:
get_url()
取出网址并访问的程序称为slave:
this_machine = 'slave'
print('start redis spider')
if this_machine == 'master':
push_redis_list()
else:
get_url()
接下来你就可以想创建几个slave就创建几个slave啦,效率绝对高!
中华英才网程序解析到此结束!
最后附上源码地址:https://github.com/code-nick-python/yingcaiwang-spider
祝你玩得愉快,学得愉快!