Python爬蟲DNS解析緩存方法實例分析

本文實例講述了Python爬蟲DNS解析緩存方法。分享給大家供大家參考，具體如下：

前言：

這是Python爬蟲中DNS解析緩存模塊中的核心代碼，是去年的代碼了，現在放出來 有興趣的可以看一下。

一般一個域名的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，同個域名下的請求有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解析這一項就用了好幾天時間，此時加上DNS解析緩存，效果就明顯了。

下面直接放代碼，說明在後面。

代碼：

# encoding=utf-8
# ---------------------------------------
#  版本：0.1
#  日期：2016-04-26
#  作者：九茶<[email protected]>
#  開發環境：Win64 + Python 2.7
# ---------------------------------------
import socket
# from gevent import socket
_dnscache = {}
def _setDNSCache():
  """ DNS緩存 """
  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裏面的緩存保存下來，避免重複獲取。
可以將上面的代碼放在一個dns_cache.py文件裏，爬蟲框架裏調用一下這個_setDNSCache()方法就行了。

最後給大家推薦一個口碑不錯的python聚集地【點擊進入】，這裏有很多的老前輩學習技巧，學習心得，面試技巧，職場經歷等分享，更爲大家精心準備了零基礎入門資料，實戰項目資料，每天都有程序員定時講解Python技術，分享一些學習的方法和需要留意的小細節
需要說明一下的是，如果你使用了gevent協程，並且用上了monkey.patch_all()，要注意此時爬蟲已經改用gevent裏面的socket了，DNS解析緩存模塊也應該要用gevent的socket纔行。