推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 4003 天前的主题，其中的信息可能已经有所发展或是发生改变。
在写一个小程序，目的是采集最新的商品列表，通过scrapy定时采集，但是遇到一个问题，从商品发布到最后被抓取到会有一段时间的间隔，希望能尽量缩短这个时间差，还有哪些办法能做一些优化呢？ 商品从发布到前台缓存更新有一定的时间，缓存用的MemCache，目前时间设定为一分钟扫描一次。
补充： 比如某个商品14：35发布更新了，我的爬虫14：38才会抓取到（这期间是每分钟整点都在抓取的）但是在我抓到之前，已经有人把商品抢拍了。。。也就是他的爬虫可能在14：36就已经抓到了。很纳闷，该如何优化才能像他那样及时的得到更新呢？
补充： 比如某个商品14：35发布更新了，我的爬虫14：38才会抓取到（这期间是每分钟整点都在抓取的）但是在我抓到之前，已经有人把商品抢拍了。。。也就是他的爬虫可能在14：36就已经抓到了。很纳闷，该如何优化才能像他那样及时的得到更新呢？
第 1 条附言 · 2014-01-06 23:06:18 +08:00
做了两个测试
1、发布一个新的商品，审核通过之后就可以在前台显示了，通过浏览器查看没有问题，列表已经有新的商品，但是爬虫却延迟了两分钟，22:01审核通过之后，22:03才抓取到，按理在22:02就应该抓取到了。难道用scrapy访问有缓存？还是哪里没设置好。。。
2、之前抓取的服务器使用的国外服务器，然后同样用国内服务器试了一遍，发现还是先收到国外抓取成功的邮件提醒。。。
1、发布一个新的商品，审核通过之后就可以在前台显示了，通过浏览器查看没有问题，列表已经有新的商品，但是爬虫却延迟了两分钟，22:01审核通过之后，22:03才抓取到，按理在22:02就应该抓取到了。难道用scrapy访问有缓存？还是哪里没设置好。。。
2、之前抓取的服务器使用的国外服务器，然后同样用国内服务器试了一遍，发现还是先收到国外抓取成功的邮件提醒。。。
 |
1
9hills 2014-01-06 16:13:46 +08:00
既然你每分钟整点在抓，为什么商品14:35发布了，你14:38才会抓到呢？
|
 |
2
vbs 2014-01-06 16:22:53 +08:00
秒杀？
|
 |
3
pythonfan OP @9hills 现在就是怀疑缓存的原因，导致前端搜索列表更新有延迟，否则没道理啊，每分钟我都去这个列表抓取一遍的，但是商品详情页面显示的发布时间跟我抓到的时间差了2，3分钟。。。
|
 |
5
xmover 2014-01-06 17:24:38 +08:00
抓回来lz怎么解析入库？
|
 |
10
tempdban 2014-01-07 00:30:05 +08:00 via Android
scrapy用的是django的orm
dgango 的orm会缓存数据 各种数据库驱动也会缓存数据 |
 |
11
keven 2014-03-26 00:23:19 +08:00
采集频率要更快
|
Select Language