Redis通常被認為是一種持久化的儲存器關鍵字-值型儲存，可以用於幾臺機子之間的資料共享平臺。

連線資料庫

注意：假設現有幾臺在同一區域網內的機器分別為Master和幾個Slaver

Master連線時host為localhost即本機的ip

_db = redis.Reds(host='localhost',port=6379,db=0)

Slaver連線時的host也為Master的ip，埠port和資料庫db不寫時為預設值6379、0

_db = redis.Redis(host='192.168.235.80')

Redis含列表、集合，字串等幾種資料結構，具體詳細的幾種資料結構的操作命令可檢視Redis官網http://redis.io/commands，下面是對集合進行操作的一些命令

_db.sadd(key,*values) # 插入指定values到集合中並返回新插入的的值的數量
_db.spop(self.key) # 隨機從集合中的得到一個元素將其從集合中刪除並作為返回值返回
_db.smembers(self.key) # 返回集合的所有元素
_db.delete(key) # 刪除整個集合,成功返回1,失敗返回0
_db.srandmember(self.key) # 從集合中隨機選取一個元素作為返回
_db.sismember(self.key,value) # 判斷指定value是否在本集合中，成功返回1,失敗返回0

例如，Master可利用redis將url上傳到資料庫

for i in range(20): # 將需爬取的糗事百科前20頁的url並存入urls集合
  url = 'http://www.qiushibaike.com/hot/page/%d/' % (i + 1)
  _db.sadd('urls',url) # 將url插入關鍵字urls集合中，若url已存在則不再插入

進而Master和Slaver可從資料庫裡獲取url

url = _db.spop('urls') # 隨機從urls集合中取出一個url返回並將其刪去

同理，Master可利用上面的方法將其他一些共用的資源上傳到資料庫，Slaver就可從資料庫下載需要的東西。下面是一個完整的例子

# coding=utf-8
import urllib2
import re
import time
import redis

headers = {'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML,like Gecko) Ubuntu Chromium/49.0.2623.108 Chrome/49.0.2623.108 Safari/537.36'}
job_redis = redis.Redis(host='192.168.235.80') # host為主機的IP，port和db為預設值


class Clawer(object):

  identity = 'master' # 或slaver

  def __init__(self):
    if self.identity == 'master':
      for i in range(20): # 將需爬取的糗事百科前20頁的url並存入urls集合
        url = 'http://www.qiushibaike.com/hot/page/%d/' % (i + 1)
        job_redis.sadd('urls',url)
    self.main()

  def get_content(self):
    """
    從糗事百科中獲取故事
    :return: 故事列表
    """
    stories = []
    content_pattern = re.compile('<div class="content">([\w\W]*?)</div>([\w\W]*?)class="stats"') # 匹配故事內容（第一空）和是否含有圖片（第二空）的模板
    pattern = re.compile('<.*?>') # 匹配包括括號及括號內無關內容的模板
    url = job_redis.spop('urls')
    while url: # 當資料庫還存在網頁url，取出一個並爬取
      try:
        request = urllib2.Request(url,headers=headers)
        response = urllib2.urlopen(request)
        text = response.read()
      except urllib2.URLError,e: # 若出現網頁讀取錯誤捕獲並輸出
        if hasattr(e,"reason"):
          print e.reason
      content = re.findall(content_pattern,text) # 獲取含模板內容的列表
      for x in content:
        if "img" not in x[1]: # 過濾含圖片的故事
          x = re.sub(pattern,'',x[0])
          x = re.sub('\n',x)
          stories.append(x)
      url = job_redis.spop('urls')
      time.sleep(3)

    return stories

  def main(self):
    self.get_content()

if __name__ == '__main__':
  Clawer()

將此程式碼在幾臺機器同時執行，調節其身份為master或slaver，做到簡單的分散式爬蟲

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。