好吧，我知道是大半夜……，但我還是覺得趕緊花上半個(gè)小時(shí)，把這最新的想法分享出來(lái)是值得的~直接進(jìn)入正題~

我們來(lái)模擬一個(gè)場(chǎng)景，需要你去抓去一個(gè)頁(yè)面，然后這個(gè)頁(yè)面有好多url也要分別去抓取，而進(jìn)入這些子url后，還有數(shù)據(jù)要抓取。簡(jiǎn)單點(diǎn)，我們就按照三層來(lái)看，那我們的代碼就是如下：
代碼如下:
def func_top(url):
    data_dict= {}
 
    #在頁(yè)面上獲取到子url
    sub_urls = xxxx
 
    data_list = []
    for it in sub_urls:
        data_list.append(func_sub(it))
 
    data_dict[/'data/'] = data_list
 
    return data_dict
 
def func_sub(url):
    data_dict= {}
 
    #在頁(yè)面上獲取到子url
    bottom_urls = xxxx
 
    data_list = []
    for it in bottom_urls:
        data_list.append(func_bottom(it))
 
    data_dict[/'data/'] = data_list
 
    return data_dict
 
def func_bottom(url):
    #獲取數(shù)據(jù)
    data = xxxx
    return data

func_top是上層頁(yè)面的處理函數(shù)，func_sub是子頁(yè)面的處理函數(shù)，func_bottom是最深層頁(yè)面的處理函數(shù)，func_top會(huì)在取到子頁(yè)面url后遍歷調(diào)用func_sub,func_sub也是同樣。

如果正常情況下，這樣確實(shí)已經(jīng)滿足需求了，但是偏偏這個(gè)你要抓取的網(wǎng)站可能極不穩(wěn)定，經(jīng)常鏈接不上，導(dǎo)致數(shù)據(jù)拿不到。

于是這個(gè)時(shí)候你有兩個(gè)選擇:

1.遇到錯(cuò)誤就停止，之后重新從斷掉的位置開始重新跑
2.遇到錯(cuò)誤繼續(xù)，但是要在之后重新跑一遍，這個(gè)時(shí)候已經(jīng)有的數(shù)據(jù)不希望再去網(wǎng)站拉一次，而只去拉沒有取到的數(shù)據(jù)

對(duì)第一種方案基本無(wú)法實(shí)現(xiàn)，因?yàn)槿绻麆e人網(wǎng)站的url調(diào)整順序，那么你記錄的位置就無(wú)效了。那么只有第二種方案，說(shuō)白了，就是要把已經(jīng)拿到的數(shù)據(jù)cache下來(lái)，等需要的時(shí)候，直接從cache里面取。

OK，目標(biāo)已經(jīng)有了，怎么實(shí)現(xiàn)呢？

如果是在C++中的，這是個(gè)很麻煩的事情，而且寫出來(lái)的代碼必定丑陋無(wú)比，然而慶幸的是，我們用的是python，而python對(duì)函數(shù)有裝飾器。

所以實(shí)現(xiàn)方案也就有了:

定義一個(gè)裝飾器，如果之前取到數(shù)據(jù)，就直接取cache的數(shù)據(jù)；如果之前沒有取到，那么就從網(wǎng)站拉取，并且存入cache中.

代碼如下:
代碼如下:
def get_dump_data(dir_name, url):
    m = hashlib.md5(url)
    filename = m.hexdigest()