Week2 hw3:Resume our Work with a Flag

When our spiders is stopped by some accident. It's necessary to know how many jobs has be done. And where should we resume our work again. So, this lesson is try to make a flag to mark how many job remain to do.

Coding

from multiprocessing import Pool
from page_parsing import get_item_info_from,url_list,item_info,get_links_from
from channel_extracing import channel_list

# ================================================= < <鏈接去重 > > =====================================================

# 設(shè)計(jì)思路:
# 1.分兩個(gè)數(shù)據(jù)庫铐懊,第一個(gè)用于只用于存放抓取下來的 url (ulr_list)腔剂;第二個(gè)則儲(chǔ)存 url 對應(yīng)的物品詳情信息(item_info)
# 2.在抓取過程中在第二個(gè)數(shù)據(jù)庫中寫入數(shù)據(jù)的同時(shí),新增一個(gè)字段(key) 'index_url' 即該詳情對應(yīng)的鏈接
# 3.若抓取中斷挚币,在第二個(gè)存放詳情頁信息的數(shù)據(jù)庫中的 url 字段應(yīng)該是第一個(gè)數(shù)據(jù)庫中 url 集合的子集
# 4.兩個(gè)集合的 url 相減得出圣賢應(yīng)該抓取的 url 還有哪些


db_urls = [item['url'] for item in url_list.find()]     # 用列表解析式裝入所有要爬取的鏈接
index_urls = [item['url'] for item in item_info.find()] # 所引出詳情信息數(shù)據(jù)庫中所有的現(xiàn)存的 url 字段
x = set(db_urls)                                        # 轉(zhuǎn)換成集合的數(shù)據(jù)結(jié)構(gòu)
y = set(index_urls)
rest_of_urls = x-y                                      # 相減

# ======================================================================================================================

These code is copied from Plan4Combat teacher. I am still consider to simplify it.

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市摩窃,隨后出現(xiàn)的幾起案子花吟,更是在濱河造成了極大的恐慌,老刑警劉巖灾锯,帶你破解...
    沈念sama閱讀 211,376評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異嗅榕,居然都是意外死亡顺饮,警方通過查閱死者的電腦和手機(jī)吵聪,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,126評論 2 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來兼雄,“玉大人吟逝,你說我怎么就攤上這事∩饫撸” “怎么了块攒?”我有些...
    開封第一講書人閱讀 156,966評論 0 347
  • 文/不壞的土叔 我叫張陵,是天一觀的道長佃乘。 經(jīng)常有香客問我囱井,道長,這世上最難降的妖魔是什么趣避? 我笑而不...
    開封第一講書人閱讀 56,432評論 1 283
  • 正文 為了忘掉前任庞呕,我火速辦了婚禮,結(jié)果婚禮上程帕,老公的妹妹穿的比我還像新娘住练。我一直安慰自己,他們只是感情好愁拭,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,519評論 6 385
  • 文/花漫 我一把揭開白布讲逛。 她就那樣靜靜地躺著,像睡著了一般敛苇。 火紅的嫁衣襯著肌膚如雪妆绞。 梳的紋絲不亂的頭發(fā)上顺呕,一...
    開封第一講書人閱讀 49,792評論 1 290
  • 那天枫攀,我揣著相機(jī)與錄音,去河邊找鬼株茶。 笑死来涨,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的启盛。 我是一名探鬼主播蹦掐,決...
    沈念sama閱讀 38,933評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼僵闯!你這毒婦竟也來了卧抗?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,701評論 0 266
  • 序言:老撾萬榮一對情侶失蹤鳖粟,失蹤者是張志新(化名)和其女友劉穎社裆,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體向图,經(jīng)...
    沈念sama閱讀 44,143評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡泳秀,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,488評論 2 327
  • 正文 我和宋清朗相戀三年标沪,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片嗜傅。...
    茶點(diǎn)故事閱讀 38,626評論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡金句,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出吕嘀,到底是詐尸還是另有隱情违寞,我是刑警寧澤,帶...
    沈念sama閱讀 34,292評論 4 329
  • 正文 年R本政府宣布偶房,位于F島的核電站坞靶,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏蝴悉。R本人自食惡果不足惜彰阴,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,896評論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望拍冠。 院中可真熱鬧尿这,春花似錦、人聲如沸庆杜。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,742評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽晃财。三九已至叨橱,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間断盛,已是汗流浹背罗洗。 一陣腳步聲響...
    開封第一講書人閱讀 31,977評論 1 265
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留钢猛,地道東北人伙菜。 一個(gè)月前我還...
    沈念sama閱讀 46,324評論 2 360
  • 正文 我出身青樓,卻偏偏與公主長得像命迈,于是被迫代替她去往敵國和親贩绕。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,494評論 2 348

推薦閱讀更多精彩內(nèi)容