Python中装饰器的一个妙用

好吧，我知道是大半夜……，但我还是觉得赶紧花上半个小时，把这最新的想法分享出来是值得的~直接进入正题~

我们来模拟一个场景，需要你去抓去一个页面，然后这个页面有好多url也要分别去抓取，而进入这些子url后，还有数据要抓取。简单点，我们就按照三层来看，那我们的代码就是如下：

<br />def func_top(url):<br />    data_dict= {}<br /> <br />    #在页面上获取到子url<br />    sub_urls = xxxx<br /> <br />    data_list = []<br />    for it in sub_urls:<br />        data_list.append(func_sub(it))<br /> <br />    data_dict[\'data\'] = data_list<br /> <br />    return data_dict<br /> <br />def func_sub(url):<br />    data_dict= {}<br /> <br />    #在页面上获取到子url<br />    bottom_urls = xxxx<br /> <br />    data_list = []<br />    for it in bottom_urls:<br />        data_list.append(func_bottom(it))<br /> <br />    data_dict[\'data\'] = data_list<br /> <br />    return data_dict<br /> <br />def func_bottom(url):<br />    #获取数据<br />    data = xxxx<br />    return data<br />

func_top是上层页面的处理函数，func_sub是子页面的处理函数，func_bottom是最深层页面的处理函数，func_top会在取到子页面url后遍历调用func_sub,func_sub也是同样。

如果正常情况下，这样确实已经满足需求了，但是偏偏这个你要抓取的网站可能极不稳定，经常链接不上，导致数据拿不到。

于是这个时候你有两个选择:

1.遇到错误就停止，之后重新从断掉的位置开始重新跑
2.遇到错误继续，但是要在之后重新跑一遍，这个时候已经有的数据不希望再去网站拉一次，而只去拉没有取到的数据

对第一种方案基本无法实现，因为如果别人网站的url调整顺序，那么你记录的位置就无效了。那么只有第二种方案，说白了，就是要把已经拿到的数据cache下来，等需要的时候，直接从cache里面取。

OK，目标已经有了，怎么实现呢？

如果是在C++中的，这是个很麻烦的事情，而且写出来的代码必定丑陋无比，然而庆幸的是，我们用的是python，而python对函数有装饰器。

所以实现方案也就有了:

定义一个装饰器，如果之前取到数据，就直接取cache的数据；如果之前没有取到，那么就从网站拉取，并且存入cache中.

代码如下:

<br />def get_dump_data(dir_name, url):<br />    m = hashlib.md5(url)<br />    filename = m.hexdigest()<br />    full_file_name = \'dumps/%s/%s\' % (dir_name,filename)<br /> <br />    if os.path.isfile(full_file_name):<br />        return eval(file(full_file_name,\'r\').read())<br />    else:<br />        return None<br /> <br /> <br />def set_dump_data(dir_name, url, data):<br />    if not os.path.isdir(\'dumps/\'+dir_name):<br />        os.makedirs(\'dumps/\'+dir_name)<br /> <br />    m = hashlib.md5(url)<br />    filename = m.hexdigest()<br />    full_file_name = \'dumps/%s/%s\' % (dir_name,filename)<br /> <br />    f = file(full_file_name, \'w+\')<br />    f.write(repr(data))<br />    f.close()<br /> <br /> <br />def deco_dump_data(func):<br />    def func_wrapper(url):<br />        data = get_dump_data(func.__name__,url)<br />        if data is not None:<br />            return data<br /> <br />        data = func(url)<br />        if data is not None:<br />            set_dump_data(func.__name__,url,data)<br /><strong style="color:transparent">本文来源gao@daima#com搞(%代@#码网@</strong>        return data<br /> <br />    return func_wrapper<br />

然后，我们只需要在每个func_top,func_sub,func_bottom都加上deco_dump_data这个装饰器即可~~

搞定！这样做最大的好处在于，因为top,sub,bottom，每一层都会dump数据，所以比如某个sub层数据dump之后，是根本不会走到他所对应的bottom层的，减少了大量的开销！

OK，就这样~ 人生苦短，我用python！

喜欢 (0)赏

[搞代码]

分享 (0)