0
这是我第一次这样做,所以我最好为我的菜鸟错误提前道歉。我试图通过搜索状态中的第一个和最后一个名字来为legacy.com搜索首页结果。我是新手编程,并使用scraperwiki来执行代码。它很有效,但在10,000个ish查询有时间处理之前,我耗尽了CPU时间。现在我试图保存进度,在时间不足的时候赶上,然后从停止的地方恢复。保存和恢复scraperwiki - CPU时间
我无法保存工作,任何与其他部分的帮助也将不胜感激。到目前为止,我只是抓住了链接,但是如果有一种方法可以保存链接页面的主要内容,那也是非常有用的。
这里是我的代码:
import scraperwiki
from urllib import urlopen
from BeautifulSoup import BeautifulSoup
f = open('/tmp/workfile', 'w')
#read database, find last, start from there
def searchname(fname, lname, id, stateid):
url = 'http://www.legacy.com/ns/obitfinder/obituary-search.aspx?daterange=Last1Yrs&firstname= %s &lastname= %s &countryid=1&stateid=%s&affiliateid=all' % (fname, lname, stateid)
obits=urlopen(url)
soup=BeautifulSoup(obits)
obits_links=soup.findAll("div", {"class":"obitName"})
print obits_links
s = str(obits_links)
id2 = int(id)
f.write(s)
#save the database here
scraperwiki.sqlite.save(unique_keys=['id2'], data=['id2', 'fname', 'lname', 'state_id', 's'])
# Import Data from CSV
import scraperwiki
data = scraperwiki.scrape("https://dl.dropbox.com/u/14390755/legacy.csv")
import csv
reader = csv.DictReader(data.splitlines())
for row in reader:
#scraperwiki.sqlite.save(unique_keys=['id'], 'fname', 'lname', 'state_id', data=row)
FNAME = str(row['fname'])
LNAME = str(row['lname'])
ID = str(row['id'])
STATE = str(row['state_id'])
print "Person: %s %s" % (FNAME,LNAME)
searchname(FNAME, LNAME, ID, STATE)
f.close()
f = open('/tmp/workfile', 'r')
data = f.read()
print data
Scraperwiki是一个可爱的概念,但它还没有准备好黄金时段。我想说你的第一个错误就是选择一家f'd-company竞争者作为平台。 – pguardiario