第二周/第三节练习项目: 设计断点续传程序

1. 引言

程序会因为各种各样的原因而中断执行, 所以要想办法主程序在上次中断的地方继续执行

2. 分析

  • 随时存储程序执行的状态值, 例如程序执行到的位置
  • 程序再次执行时先获取上次中断前保存的位置

3. 实现部分

代码

#!/usr/bin/env python3                                                                                                                                                               
# -*- coding: utf-8 -*-                                                                                                                                                              
                                                                                                                                                                                     
__author__ = 'jhw'                                                                                                                                                                   
                                                                                                                                                                                     
                                                                                                                                                                                     
from bs4 import BeautifulSoup                                                                                                                                                        
from pymongo import MongoClient                                                                                                                                                      
import requests                                                                                                                                                                      
                                                                                                                                                                                     
                                                                                                                                                                                     
# 连接mongo数据库                                                                                                                                                                    
client = MongoClient('10.66.17.17', 27017)                                                                                                                                           
database = client['58tongcheng']                                                                                                                                                     
# 存放url信息的collection                                                                                                                                                            
url_info = database['shoujihao_url']                                                                                                                                                 
# 存放item信息的collection                                                                                                                                                           
item_info = database['shoujihao_item']                                                                                                                                               
# 存放已打开的url                                                                                                                                                                    
url_exists = database['shoujihao_url_exists']                                                                                                                                        
# 获取快打开的url列表, 以便在get_item_info函数中作对比                                                                                                                               
exists_list = [i['url'] for i in url_exists.find()]                                                                                                                                  
                                                                                                                                                                                     
headers = {                                                                                                                                                                          
    'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.106 Safari/537.36',                                                       
}                                                                                                                                                                                    
                                                                                                                                                                                     
                                                                                                                                                                                     
# 定义获取手机号信息的函数                                                                                                                                                           
def get_url_info(url):                                                                                                                                                               
                                                                                                                                                                                     
    data = requests.get(url, headers=headers)                                                                                                                                        
    soup = BeautifulSoup(data.text, 'lxml')                                                                                                                                          
    # 判断是否到了列表尾部                                                                                                                                                           
    if len(soup.select('.boxlist a.t')) == 0:                                                                                                                                        
        print('*'*20, 'End of the pages...', '*'*20)                                                                                                                                 
        print(url)                                                                                                                                                                   
        return 1                                                                                                                                                                         else:                                                                                                                                                                                    titles = soup.select('.boxlist a.t > strong')                                                                                                                                        urls = soup.select('.boxlist a.t')                                                                                                                                                                                                                                                                                                                                        for title, url in zip(titles, urls):                                                                                                                                                     # 过虑推广信息                                                                                                                                                                       if 'jump' in url.get('href'):                                                                                                                                                            print('Advertising info, Pass...')                                                                                                                                               else:                                                                                                                                                                                    data = {                                                                                                                                                                                 'title': title.get_text(),                                                                                                                                                           'url': url.get('href').split('?')[0],                                                                                                                                            }                                                                                                                                                                                    print(data)                                                                                                                                                                          # 将url信息插入mongodb中                                                                                                                                                             url_info.insert_one(data)
                                                                                                                                                                                                                                                                                                                                                                          
def get_item_info(url):                                                                                                                                                              
                                                                                                                                                                                     
    # 如果即将要打开的url存在于已打开的url列表中则退出本次循环                                                                                                                       
    if url in exists_list:                                                                                                                                                           
        print('*'*20, 'The url has been opened before!!!', '*'*20)                                                                                                                   
    else:                                                                                                                                                                            
        data = requests.get(url, headers=headers)                                                                                                                                    
        soup = BeautifulSoup(data.text, 'lxml')                                                                                                                                      
        titles = soup.select('.mainTitle h1')                                                                                                                                        
        updates = soup.select('li.time')                                                                                                                                             
        prices = soup.select('.price.c_f50')                                                                                                                                         
                                                                                                                                                                                     
        data = {                                                                                                                                                                     
            # 去掉多余的字符                                                                                                                                                         
            'title': titles[0].get_text().replace('\n', '').replace('\t', '').replace(' ', ''),                                                                                      
            'price': prices[0].get_text().replace('\n', '').replace('\t', '').replace(' ', ''),                                                                                      
            'update': updates[0].get_text().replace('\n', '').replace('\t', '').replace(' ', ''),                                                                                    
        }                                                                                                                                                                            
        print(data)                                                                                                                                                                  
        # 将item信息插入mongodb中                                                                                                                                                    
        item_info.insert_one(data)                                                                                                                                                   
        url_exists.insert_one({'url': url})                                                                                                                                          
                                                                                                                                                                                     
# 定义包含所有列表页的列表                                                                                                                                                           
url_list = ['http://bj.58.com/shoujihao/pn{}/'.format(i) for i in range(1, 200)]                                                                                                     
                                                                                                                                                                                     
# 逐一抓取列表页中的手机号信息                                                                                                                                                       
# for url in url_list:                                                                                                                                                               
    # # 至列表尾部了就退出                                                                                                                                                           
    # if get_url_info(url):                                                                                                                                                          
#         break                                                                                                                                                                      
                                                                                                                                                                                     
# 从mongodb中取出url, 获取其详细信息                                                                                                                                                 
for url in url_info.find():                                                                                                                                                          
                                                                                                                                                                                     
    get_item_info(url['url'])

结果

******************** The url has been opened before!!! ********************
******************** The url has been opened before!!! ********************
******************** The url has been opened before!!! ********************
******************** The url has been opened before!!! ********************
******************** The url has been opened before!!! ********************
{'update': '2016-07-06', 'price': '3325元', 'title': '13341143344联通北京靓号'}
{'update': '2016-07-06', 'price': '5650元', 'title': '15001162111移动北京壹手靓号'}
{'update': '2016-07-06', 'price': '10640元', 'title': '18511111990联通北京顶级靓号'}
{'update': '2016-07-06', 'price': '5645元', 'title': '18511188558移动北京壹手靓号'}
{'update': '2016-07-06', 'price': '10640元', 'title': '18601111100联通北京顶级靓号'}
{'update': '2016-07-06', 'price': '5686元', 'title': '13810376555移动高价回收靓号'}

4. 总结

  • 程序执行时随时保存执行状态, 如果别的地方有需要用到就很方便了
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,386评论 6 479
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,939评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,851评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,953评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,971评论 5 369
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,784评论 1 283
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,126评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,765评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,148评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,744评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,858评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,479评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,080评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,053评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,278评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,245评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,590评论 2 343

推荐阅读更多精彩内容

  • 8086汇编 本笔记是笔者观看小甲鱼老师(鱼C论坛)《零基础入门学习汇编语言》系列视频的笔记,在此感谢他和像他一样...
    Gibbs基阅读 37,110评论 8 114
  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,598评论 18 139
  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 171,483评论 25 707
  • 2017年6月1日星期四 今天是个特别值得纪念的日子,难忘的日子。六一儿童节,孩子的节日,儿子上小学的第一个儿童节...
    李俊超妈妈阅读 221评论 0 4
  • 平日里,赵霰专注于埋头做事,今日她一反常态。工作时间,腾出一只空箱子往里面塞水杯、盆栽等私人物件。 办公室一阵交头...
    赫迭莎阅读 496评论 7 8