這篇文章主要介紹了Python爬蟲DNS解析快取方法,結合具體實例形式分析了Python使用socket模組解析DNS快取的相關操作技巧與注意事項,需要的朋友可以參考下
本文實例講述了Python爬蟲DNS解析快取方法。分享給大家供大家參考,具體如下:
前言:
這是Python爬蟲中DNS解析快取模組中的核心程式碼,是去年的程式碼了,現在放出來有興趣的可以看一下。
一般一個網域的DNS解析時間在10~60毫秒之間,這看起來是微不足道,但是對於大型一點的爬蟲而言這就不容忽視了。例如我們要爬新浪微博,同個網域下的請求有1千萬(這已經不算多的了),那麼耗時在10~60萬秒之間,一天才86400秒。也就是說單DNS解析這一項就花了好幾天時間,此時加上DNS解析緩存,效果就明顯了。
下面直接放程式碼,說明在後面。
程式碼:##
# encoding=utf-8 # --------------------------------------- # 版本:0.1 # 日期:2016-04-26 # 作者:九茶<bone_ace@163.com> # 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
#說明:
其實也沒什麼難度,就是將socket裡面的快取保存下來,避免重複取得。可以將上面的程式碼放在一個dns_cache.py檔案裡,爬蟲
框架裡呼叫一下這個_setDNSCache()方法就行了。
monkey<a href="http://www.php.cn/wiki/1051.html" target="_blank">.patch_</a>all<a href="http://www.php.cn/wiki/1483.html" target="_blank">()</a>,要注意此時爬蟲已經改用gevent裡面的socket了,DNS解析快取模組也應該要用gevent的socket才行。
以上是Python爬蟲DNS如何解析快取的方法詳解的詳細內容。更多資訊請關注PHP中文網其他相關文章!