改进美丽的套装

Question

因此，我有以下一组代码解析美味的信息。它以以下格式从美味页面上打印数据

书签|人数

书签|人数等...

我曾经使用以下方法查找此信息。

def extract (soup):
    links = soup.findAll('a',rel='nofollow')
    for link in links:
        print >> outfile, link['href']

    hits = soup.findAll('span', attrs={'class': 'delNavCount'})
    for hit in hits:
        print >> outfile, hit.contents


#File to export data to
outfile = open("output.txt", "w")

#Browser Agent
br = Browser()    
br.set_handle_robots(False)
br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]


url= "http://www.delicious.com/asd"
page = br.open(url)
html = page.read()
soup = BeautifulSoup(html)
extract(soup)

但是问题在于，某些书签没有很多人，所以我决定对其进行分析，以便我同时获取数据并将书签和并排打印出来。

编辑：使用此更新版本从15-5秒开始，还有更多建议

def extract (soup):
    bookmarkset = soup.findAll('div', 'data')
    for bookmark in bookmarkset:
        link = bookmark.find('a',)
        vote = bookmark.find('span', 'delNavCount')
        try:
            print >> outfile, link['href'], " | " ,vote.contents
        except:
            print >> outfile, "[u'0']"
    #print bookmarkset


#File to export data to
outfile = open("output.txt", "w")

#Browser Agent
br = Browser()    
br.set_handle_robots(False)
br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]


url= "http://www.delicious.com/asd"
page = br.open(url)
html = page.read()
soup = BeautifulSoup(html)
extract(soup)

不过，对此的性能很糟糕，需要17秒才能在第一页上解析，然后在一台漂亮的机器上大约15秒。从第一个代码到第二位时，它会大大降级。我有什么可以在这里添加完美的事情吗？

Answer 1

我不明白你为什么要分配 vote - 两次。第一个任务是不必要的，而且确实很重，因为它必须在每次迭代中解析整个文档。为什么？

   vote = BeautifulSoup(html)
   vote = bookmark.findAll('span', attrs={'class': 'delNavCount'})

Answer 2

如果您担心性能，您可能会看一些与美味API交谈的东西，而不是屏幕剪彩，即 Pydelicious. 。例如：

>>> import pydelicious
>>> pydelicious.get_userposts('asd')
[{'extended': '', 'description': u'Ksplice - System administration and software blog', 'tags': u'sysadm, blog, interesting', 'url': u'http://blog.ksplice.com/', 'user': u'asd'

Answer 3

在这种情况下，BeautifulSoup所做的比您需要的要多得多。如果您真的想提高速度，那么我建议您采用更基本的urllib +简单的按线解析器。

解析类似“ ASD”示例大小的页面应在现代机器上一秒钟以下。