189 8069 5689
直奔主题，在用多线程写一个爬虫项目时，很自然的想到用“生产者-消费者”模式，但是又想实现一个额外的需求，即如果爬虫爬到了队列中已存在的url，则不进行入队操作。想实现这个，大概面临两个问题：
创新互联是专业的汝城网站建设公司，汝城接单;提供成都网站设计、做网站、成都外贸网站建设公司,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行汝城网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!
Queue对象不支持in操作Queue对象外部通过if item in q这种形式也行不通，因为该过程无锁，多线程情况下就无法保证查询结果的准确性进而观察了一下queue模块的源代码，因为Queue类是基于deque类实现的，那么就好办了：对put方法稍加改造，增加一个unique参数，依据此参数是否为True，在底层的deque中判断要加入的元素的存在性，以此可实现类似set的特性。
put方法源代码：
def put(self, item, block=True, timeout=None):
with self.not_full:
if self.maxsize > 0:
if not block:
if self._qsize() >= self.maxsize:
raise Full
elif timeout is None:
while self._qsize() >= self.maxsize:
self.not_full.wait()
elif timeout < 0:
raise ValueError("'timeout' must be a non-negative number")
else:
endtime = time() + timeout
while self._qsize() >= self.maxsize:
remaining = endtime - time()
if remaining <= 0.0:
raise Full
self.not_full.wait(remaining)
self._put(item)
self.unfinished_tasks += 1
self.not_empty.notify()修改后的put方法
def put(self, item, block=True, timeout=None, unique=False):
"""增加了unique参数"""
with self.not_full:
#----- 以下三行为新增代码 -----#
if unique:
if item in self.queue:
return
#----- 新增代码结束 -----#
if self.maxsize > 0:
if not block:
if self._qsize() >= self.maxsize:
raise Full
elif timeout is None:
while self._qsize() >= self.maxsize:
self.not_full.wait()
elif timeout < 0:
raise ValueError("'timeout' must be a non-negative number")
else:
endtime = time() + timeout
while self._qsize() >= self.maxsize:
remaining = endtime - time()
if remaining <= 0.0:
raise Full
self.not_full.wait(remaining)
self._put(item)
self.unfinished_tasks += 1
self.not_empty.notify()当然也可以仿照put_nowait方法增加一个快捷方法put_unique，如下
def put_unique(self, item, block=True, timeout=None):
return self.put(item, block, timeout, unique=True)Have fun!