Dicas de aula - 24mai

gistfile1.txt

import sys

def mostrar_args(f):
    def _f(*args, **kwargs):
        #print args, kwargs
        #sys.stderr.write('###argumentos: %r, %r \n' % (args, kwargs))
        sys.stderr.write('###argumentos: {0}, {1}\n'.format(args, kwargs))
        return f(*args, **kwargs)
    return _f
    
    
@mostrar_args
def somar(a, b):
    return a+b
    
print 'resultado de somar(2,3):', somar(2, 3)

**generation function com send
VER o uso de yield com send

yield usa o conceito de corrotina em vez de subrotina
yield = (dar a preferência)

Dicas:
utilizar a lib httplib2 (google) para ler sites 

spider.py

#!/usr/bin/env python
# coding: utf-8

#biblioteca padrao
from pprint import pprint
import re
import pickle

#biblioteca terceiros
import httplib2 # dic do Mark Pilgrimm:
from tornado import httpclient, ioloop, gen

URL_CATALOGO = 'http://www.novatec.com.br/catalogo.php'
URL_PRODUTOS = 'http://www.novatec.com.br/livros/'

# re.DOTALL faz funcionar com quebra de linhas ou não
#RE_SLUG_LIVRO = re.compile(r'href="livros/(.*?)"', re.DOTALL)
RE_SLUG_LIVRO = re.compile(r'href="livros/([^"/]+)', re.DOTALL)

#fragmento da imagem de capa
'''
javascript:AmpliarCapa('livros/oracle10g/capa_ampliada8575220632.jpg');
'''
RE_CAPA = re.compile(r"AmpliarCapa\('livros/([^']+)")


def buscar_slugs(url):
    
    try:
        with open('slugs.pickle') as slugs_pickle:
            slugs = pickle.load(slugs_pickle)
    except (IOError, EOFError):
        slugs = None
        
    if slugs is None:    
        h = httplib2.Http('.cache')
        resp, content = h.request(url)
        #pprint(resp)
        #print len(content), 'bytes lidos'
        slugs = RE_SLUG_LIVRO.findall(content)
        slugs = sorted(set(slugs))
        
        with open('slugs.pickle', 'wb') as slugs_pickle:
            pickle.dump(slugs, slugs_pickle, -1)
    return slugs
    
    
def buscar_produtos(slugs):
    cliente_http = httpclient.AsyncHTTPClient()
    pendentes = set(slugs)
    
    for slug in slugs:
        baixar(slug, cliente_http, pendentes)


@gen.engine
def baixar(slug, http_client, pendentes):
    resp = yield gen.Task(http_client.fetch, URL_PRODUTOS+slug)
    if resp.error:
        print '*** Erro ao baixar ', slug
        print '\t', resp.error
    else:
        print 'baixado: ', slug
        #print '\t', resp
        path_capa = RE_CAPA.search(resp.body)
        path_capa = path_capa.group(1)

        resp_capa = yield gen.Task(http_client.fetch, URL_PRODUTOS+path_capa)
        ##pendentes.add(path_capa)
        if resp_capa.error:
            print '*** Erro ao baixar capa', path_capa
            print '\t', resp_capa.error
        else:
            nome_img = path_capa.replace('/','_')
            with open(nome_img, 'wb') as img:
                img.write(resp_capa.body)
            print 'salvo: ', nome_img
    
    pendentes.remove(slug)
    
    if not pendentes:
        ioloop.IOLoop.instance().stop()        
    
if __name__ == '__main__':
    slugs = buscar_slugs(URL_CATALOGO)
    #pprint( slugs )
    
    #para testar mais rapido
    slugs = slugs[:5]
    buscar_produtos(slugs)
    ioloop.IOLoop.instance().start()