python编程技巧——转载

tonwei139

　　学用python也有3个多月了，用得最多的还是各类爬虫脚本：写过抓代理本机验证的脚本，写过在discuz论坛中自动登录自动发贴的脚本，写过自动收邮件的脚本，写过简单的验证码识别的脚本，本来想写google music的抓取脚本的，结果有了强大的gmbox，也就不用写了。
　　这些脚本有一个共性，都是和web相关的，总要用到获取链接的一些方法，再加上simplecd这个半爬虫半网站的项目，累积不少爬虫抓站的经验，在此总结一下，那么以后做东西也就不用重复劳动了。
　　1.最基本的抓站
　　Python
　　import urllib2
　　content = urllib2.urlopen('http://XXXX').read()
　　1
　　2
　　import urllib2
　　content = urllib2.urlopen('http://XXXX').read()
　　2.使用代理服务器
　　这在某些情况下比较有用，比如IP被封了，或者比如IP访问的次数受到限制等等。
　　Python
　　import urllib2
　　proxy_support = urllib2.ProxyHandler({'http':'http://XX.XX.XX.XX:XXXX'})
　　opener = urllib2.build_opener(proxy_support, urllib2.HTTPHandler)
　　urllib2.install_opener(opener)
　　content = urllib2.urlopen('http://XXXX').read()
　　1
　　2
　　3
　　4
　　5
　　import urllib2
　　proxy_support = urllib2.ProxyHandler({'http':'http://XX.XX.XX.XX:XXXX'})
　　opener = urllib2.build_opener(proxy_support, urllib2.HTTPHandler)
　　urllib2.install_opener(opener)
　　content = urllib2.urlopen('http://XXXX').read()
　　3.需要登录的情况
　　登录的情况比较麻烦我把问题拆分一下：
　　3.1 cookie的处理
　　Python
　　import urllib2, cookielib
　　cookie_support= urllib2.HTTPCookieProcessor(cookielib.CookieJar())
　　opener = urllib2.build_opener(cookie_support, urllib2.HTTPHandler)
　　urllib2.install_opener(opener)
　　content = urllib2.urlopen('http://XXXX').read()
　　1
　　2
　　3
　　4
　　5
　　import urllib2, cookielib
　　cookie_support= urllib2.HTTPCookieProcessor(cookielib.CookieJar())
　　opener = urllib2.build_opener(cookie_support, urllib2.HTTPHandler)
　　urllib2.install_opener(opener)
　　content = urllib2.urlopen('http://XXXX').read()
　　是的没错，如果想同时用代理和cookie，那就加入proxy_support然后operner改为
　　Python
　　opener = urllib2.build_opener(proxy_support, cookie_support, urllib2.HTTPHandler)
　　1
　　opener = urllib2.build_opener(proxy_support, cookie_support, urllib2.HTTPHandler)
　　3.2 表单的处理
　　登录必要填表，表单怎么填？首先利用工具截取所要填表的内容。
　　比如我一般用firefox+httpfox插件来看看自己到底发送了些什么包
　　这个我就举个例子好了，以verycd为例，先找到自己发的POST请求，以及POST表单项：
　　可以看到verycd的话需要填username,password,continueURI,fk,login_submit这几项，其中fk是随机生成的（其实不太随机，看上去像是把epoch时间经过简单的编码生成的），需要从网页获取，也就是说得先访问一次网页，用正则表达式等工具截取返回数据中的fk项。continueURI顾名思义可以随便写，login_submit是固定的，这从源码可以看出。还有username，password那就很显然了。
　　好的，有了要填写的数据，我们就要生成postdata
　　Python
　　import urllib
　　postdata=urllib.urlencode({
　　'username':'XXXXX',
　　'password':'XXXXX',
　　'continueURI':'http://www.verycd.com/',
　　'fk':fk,
　　'login_submit':'登录'
　　})
　　1
　　2
　　3
　　4
　　5
　　6
　　7
　　8
　　import urllib
　　postdata=urllib.urlencode({
　　'username':'XXXXX',
　　'password':'XXXXX',
　　'continueURI':'http://www.verycd.com/',
　　'fk':fk,
　　'login_submit':'登录'
　　})
　　然后生成http请求，再发送请求：
　　Python
　　req = urllib2.Request(
　　url = 'http://secure.verycd.com/signin/*/http://www.verycd.com/',
　　data = postdata
　　)
　　result = urllib2.urlopen(req).read()
　　1
　　2
　　3
　　4
　　5
　　req = urllib2.Request(
　　url = 'http://secure.verycd.com/signin/*/http://www.verycd.com/',
　　data = postdata
　　)
　　result = urllib2.urlopen(req).read()
　　3.3 伪装成浏览器访问
　　某些网站反感爬虫的到访，于是对爬虫一律拒绝请求。这时候我们需要伪装成浏览器，这可以通过修改http包中的header来实现：
　　Python
　　headers = {
　　'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'
　　}
　　req = urllib2.Request(
　　url = 'http://secure.verycd.com/signin/*/http://www.verycd.com/',
　　data = postdata,
　　headers = headers
　　)
　　1
　　2
　　3
　　4
　　5
　　6
　　7
　　8
　　headers = {
　　'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'
　　}
　　req = urllib2.Request(
　　url = 'http://secure.verycd.com/signin/*/http://www.verycd.com/',
　　data = postdata,
　　headers = headers
　　)
　　3.4 反”反盗链”
　　某些站点有所谓的反盗链设置，其实说穿了很简单，就是检查你发送请求的header里面，referer站点是不是他自己，所以我们只需要像3.3一样，把headers的referer改成该网站即可，以黑幕著称地cnbeta为例：
　　Python
　　headers = {
　　'Referer':'http://www.cnbeta.com/articles'
　　}
　　1
　　2
　　3
　　headers = {
　　'Referer':'http://www.cnbeta.com/articles'
　　}
　　headers是一个dict数据结构，你可以放入任何想要的header，来做一些伪装。例如，有些自作聪明的网站总喜欢窥人隐私，别人通过代理访问，他偏偏要读取header中的X-Forwarded-For来看看人家的真实IP，没话说，那就直接把X-Forwarde-For改了吧，可以改成随便什么好玩的东东来欺负欺负他，呵呵。
　　3.5 终极绝招
　　有时候即使做了3.1-3.4，访问还是会被据，那么没办法，老老实实把httpfox中看到的headers全都写上，那一般也就行了。 再不行，那就只能用终极绝招了，selenium直接控制浏览器来进行访问，只要浏览器可以做到的，那么它也可以做到。类似的还有pamie，watir，等等等等。
　　4.多线程并发抓取
　　单线程太慢的话，就需要多线程了，这里给个简单的线程池模板 这个程序只是简单地打印了1-10，但是可以看出是并发地。
　　Python
　　from threading import Thread
　　from Queue import Queue
　　from time import sleep
　　#q是任务队列
　　#NUM是并发线程总数
　　#JOBS是有多少任务
　　q = Queue()
　　NUM = 2
　　JOBS = 10
　　#具体的处理函数，负责处理单个任务
　　def do_somthing_using(arguments):
　　print arguments
　　#这个是工作进程，负责不断从队列取数据并处理
　　def working():
　　while True:
　　arguments = q.get()
　　do_somthing_using(arguments)
　　sleep(1)
　　q.task_done()
　　#fork NUM个线程等待队列
　　for i in range(NUM):
　　t = Thread(target=working)
　　t.setDaemon(True)
　　t.start()
　　#把JOBS排入队列
　　for i in range(JOBS):
　　q.put(i)
　　#等待所有JOBS完成
　　q.join()
　　1
　　2
　　3
　　4
　　5
　　6
　　7
　　8
　　9
　　10
　　11
　　12
　　13
　　14
　　15
　　16
　　17
　　18
　　19
　　20
　　21
　　22
　　23
　　24
　　25
　　26
　　27
　　28
　　29
　　from threading import Thread
　　from Queue import Queue
　　from time import sleep
　　#q是任务队列
　　#NUM是并发线程总数
　　#JOBS是有多少任务
　　q = Queue()
　　NUM = 2
　　JOBS = 10
　　#具体的处理函数，负责处理单个任务
　　def do_somthing_using(arguments):
　　print arguments
　　#这个是工作进程，负责不断从队列取数据并处理
　　def working():
　　while True:
　　arguments = q.get()
　　do_somthing_using(arguments)
　　sleep(1)
　　q.task_done()
　　#fork NUM个线程等待队列
　　for i in range(NUM):
　　t = Thread(target=working)
　　t.setDaemon(True)
　　t.start()
　　#把JOBS排入队列
　　for i in range(JOBS):
　　q.put(i)
　　#等待所有JOBS完成
　　q.join()
　　5.验证码的处理
　　碰到验证码咋办？这里分两种情况处理：
　　google那种验证码，凉拌
　　简单的验证码：字符个数有限，只使用了简单的平移或旋转加噪音而没有扭曲的，这种还是有可能可以处理的，一般思路是旋转的转回来，噪音去掉，然后划分单个字符，划分好了以后再通过特征提取的方法(例如PCA)降维并生成特征库，然后把验证码和特征库进行比较。这个比较复杂，一篇博文是说不完的，这里就不展开了，具体做法请弄本相关教科书好好研究一下。
　　事实上有些验证码还是很弱的，这里就不点名了，反正我通过2的方法提取过准确度非常高的验证码，所以2事实上是可行的。
　　6 gzip/deflate支持
　　现在的网页普遍支持gzip压缩，这往往可以解决大量传输时间，以VeryCD的主页为例，未压缩版本247K，压缩了以后45K，为原来的1/5。这就意味着抓取速度会快5倍。
　　然而python的urllib/urllib2默认都不支持压缩，要返回压缩格式，必须在request的header里面写明’accept-encoding’，然后读取response后更要检查header查看是否有’content-encoding’一项来判断是否需要解码，很繁琐琐碎。如何让urllib2自动支持gzip, defalte呢？
　　其实可以继承BaseHanlder类，然后build_opener的方式来处理：
　　Python
　　import urllib2
　　from gzip import GzipFile
　　from StringIO import StringIO
　　class ContentEncodingProcessor(urllib2.BaseHandler):
　　"""A handler to add gzip capabilities to urllib2 requests """

add headers to requests
　　def http_request(self, req):
　　req.add_header("Accept-Encoding", "gzip, deflate")
　　return req

decode
　　def http_response(self, req, resp):
　　old_resp = resp

gzip
　　

if resp.headers.get("content-encoding") == "gzip":　　gz = GzipFile(
　　fileobj=StringIO(resp.read()),
　　mode="r"
　　)
　　resp = urllib2.addinfourl(gz, old_resp.headers, old_resp.url, old_resp.code)
　　resp.msg = old_resp.msg
　　
# deflate
　　
if resp.headers.get("content-encoding") == "deflate":
　　gz = StringIO( deflate(resp.read()) )
　　resp = urllib2.addinfourl(gz, old_resp.headers, old_resp.url, old_resp.code)  # 'class to add info() and
　　resp.msg = old_resp.msg
　　
return resp
　　

deflate support
　　import zlib
　　def deflate(data):   # zlib only provides the zlib compress format, not the deflate format;
　　try:               # so on top of all there's this workaround:
　　return zlib.decompress(data, -zlib.MAX_WBITS)
　　except zlib.error:
　　return zlib.decompress(data)
　　1
　　2
　　3
　　4
　　5
　　6
　　7
　　8
　　9
　　10
　　11
　　12
　　13
　　14
　　15
　　16
　　17
　　18
　　19
　　20
　　21
　　22
　　23
　　24
　　25
　　26
　　27
　　28
　　29
　　30
　　31
　　32
　　33
　　34
　　35
　　36
　　import urllib2
　　from gzip import GzipFile
　　from StringIO import StringIO
　　class ContentEncodingProcessor(urllib2.BaseHandler):
　　"""A handler to add gzip capabilities to urllib2 requests """

add headers to requests
　　def http_request(self, req):
　　req.add_header("Accept-Encoding", "gzip, deflate")
　　return req

decode
　　def http_response(self, req, resp):
　　old_resp = resp

gzip
　　

if resp.headers.get("content-encoding") == "gzip":　　gz = GzipFile(
　　fileobj=StringIO(resp.read()),
　　mode="r"
　　)
　　resp = urllib2.addinfourl(gz, old_resp.headers, old_resp.url, old_resp.code)
　　resp.msg = old_resp.msg
　　
# deflate
　　
if resp.headers.get("content-encoding") == "deflate":
　　gz = StringIO( deflate(resp.read()) )
　　resp = urllib2.addinfourl(gz, old_resp.headers, old_resp.url, old_resp.code)  # 'class to add info() and
　　resp.msg = old_resp.msg
　　
return resp
　　

deflate support
　　import zlib
　　def deflate(data):   # zlib only provides the zlib compress format, not the deflate format;
　　try:               # so on top of all there's this workaround:
　　return zlib.decompress(data, -zlib.MAX_WBITS)
　　except zlib.error:
　　return zlib.decompress(data)
　　然后就简单了，
　　Python
　　encoding_support = ContentEncodingProcessor
　　opener = urllib2.build_opener( encoding_support, urllib2.HTTPHandler )
　　#直接用opener打开网页，如果服务器支持gzip/defalte则自动解压缩
　　content = opener.open(url).read()
　　1
　　2
　　3
　　4
　　5
　　encoding_support = ContentEncodingProcessor
　　opener = urllib2.build_opener( encoding_support, urllib2.HTTPHandler )
　　#直接用opener打开网页，如果服务器支持gzip/defalte则自动解压缩
　　content = opener.open(url).read()

• 更方便地多线程　　总结一文的确提及了一个简单的多线程模板，但是那个东东真正应用到程序里面去只会让程序变得支离破碎，不堪入目。在怎么更方便地进行多线程方面我也动了一番脑筋。先想想怎么进行多线程调用最方便呢？
  
  

　　1、用twisted进行异步I/O抓取
　　事实上更高效的抓取并非一定要用多线程，也可以使用异步I/O法：直接用twisted的getPage方法，然后分别加上异步I/O结束时的callback和errback方法即可。例如可以这么干：
　　Python
　　from twisted.web.client import getPage
　　from twisted.internet import reactor
　　links = [ 'http://www.verycd.com/topics/%d/'%i for i in range(5420,5430) ]
　　def parse_page(data,url):
　　print len(data),url
　　def fetch_error(error,url):
　　print error.getErrorMessage(),url

批量抓取链接
　　for url in links:
　　getPage(url,timeout=5) \
　　.addCallback(parse_page,url) \ #成功则调用parse_page方法
　　.addErrback(fetch_error,url)     #失败则调用fetch_error方法
　　reactor.callLater(5, reactor.stop) #5秒钟后通知reactor结束程序
　　reactor.run()
　　1
　　2
　　3
　　4
　　5
　　6
　　7
　　8
　　9
　　10
　　11
　　12
　　13
　　14
　　15
　　16
　　17
　　18
　　19
　　from twisted.web.client import getPage
　　from twisted.internet import reactor
　　links = [ 'http://www.verycd.com/topics/%d/'%i for i in range(5420,5430) ]
　　def parse_page(data,url):
　　print len(data),url
　　def fetch_error(error,url):
　　print error.getErrorMessage(),url

批量抓取链接
　　for url in links:
　　getPage(url,timeout=5) \
　　.addCallback(parse_page,url) \ #成功则调用parse_page方法
　　.addErrback(fetch_error,url)     #失败则调用fetch_error方法
　　reactor.callLater(5, reactor.stop) #5秒钟后通知reactor结束程序
　　reactor.run()
　　twisted人如其名，写的代码实在是太扭曲了，非正常人所能接受，虽然这个简单的例子看上去还好；每次写twisted的程序整个人都扭曲了，累得不得了，文档等于没有，必须得看源码才知道怎么整，唉不提了。
　　如果要支持gzip/deflate，甚至做一些登陆的扩展，就得为twisted写个新的HTTPClientFactory类诸如此类，我这眉头真是大皱，遂放弃。有毅力者请自行尝试。
　　这篇讲怎么用twisted来进行批量网址处理的文章不错，由浅入深，深入浅出，可以一看。
　　2、设计一个简单的多线程抓取类
　　还是觉得在urllib之类python“本土”的东东里面折腾起来更舒服。试想一下，如果有个Fetcher类，你可以这么调用
　　Python
　　f = Fetcher(threads=10) #设定下载线程数为10
　　for url in urls:
　　f.push(url)  #把所有url推入下载队列
　　while f.taskleft(): #若还有未完成下载的线程
　　content = f.pop()  #从下载完成队列中取出结果
　　do_with(content) # 处理content内容
　　1
　　2
　　3
　　4
　　5
　　6
　　f = Fetcher(threads=10) #设定下载线程数为10
　　for url in urls:
　　f.push(url)  #把所有url推入下载队列
　　while f.taskleft(): #若还有未完成下载的线程
　　content = f.pop()  #从下载完成队列中取出结果
　　do_with(content) # 处理content内容
　　这么个多线程调用简单明了，那么就这么设计吧，首先要有两个队列，用Queue搞定，多线程的基本架构也和“技巧总结”一文类似，push方法和pop方法都比较好处理，都是直接用Queue的方法，taskleft则是如果有“正在运行的任务”或者”队列中的任务”则为是，也好办，于是代码如下：
　　Python
　　import urllib2
　　from threading import Thread,Lock
　　from Queue import Queue
　　import time
　　class Fetcher:
　　def init(self,threads):
　　self.opener = urllib2.build_opener(urllib2.HTTPHandler)
　　self.lock = Lock() #线程锁
　　self.q_req = Queue() #任务队列
　　self.q_ans = Queue() #完成队列
　　self.threads = threads
　　for i in range(threads):
　　t = Thread(target=self.threadget)
　　t.setDaemon(True)
　　t.start()
　　self.running = 0
　　

def __del__(self): #解构时需等待两个队列完成　　time.sleep(0.5)
　　self.q_req.join()
　　self.q_ans.join()
　　

　　
def taskleft(self):
　　return self.q_req.qsize()+self.q_ans.qsize()+self.running
　　

　　
def push(self,req):
　　self.q_req.put(req)
　　

　　
def pop(self):
　　return self.q_ans.get()
　　

　　
def threadget(self):
　　while True:
　　req = self.q_req.get()
　　with self.lock: #要保证该操作的原子性，进入critical area
　　self.running += 1
　　try:
　　ans = self.opener.open(req).read()
　　except Exception, what:
　　ans = ''
　　print what
　　self.q_ans.put((req,ans))
　　with self.lock:
　　self.running -= 1
　　self.q_req.task_done()
　　time.sleep(0.1) # don't spam
　　

　　if name == "main":
　　links = [ 'http://www.verycd.com/topics/%d/'%i for i in range(5420,5430) ]
　　f = Fetcher(threads=10)
　　for url in links:
　　f.push(url)
　　while f.taskleft():
　　url,content = f.pop()
　　print url,len(content)
　　1
　　2
　　3
　　4
　　5
　　6
　　7
　　8
　　9
　　10
　　11
　　12
　　13
　　14
　　15
　　16
　　17
　　18
　　19
　　20
　　21
　　22
　　23
　　24
　　25
　　26
　　27
　　28
　　29
　　30
　　31
　　32
　　33
　　34
　　35
　　36
　　37
　　38
　　39
　　40
　　41
　　42
　　43
　　44
　　45
　　46
　　47
　　48
　　49
　　50
　　51
　　52
　　53
　　54
　　55
　　56
　　import urllib2
　　from threading import Thread,Lock
　　from Queue import Queue
　　import time
　　class Fetcher:
　　def init(self,threads):
　　self.opener = urllib2.build_opener(urllib2.HTTPHandler)
　　self.lock = Lock() #线程锁
　　self.q_req = Queue() #任务队列
　　self.q_ans = Queue() #完成队列
　　self.threads = threads
　　for i in range(threads):
　　t = Thread(target=self.threadget)
　　t.setDaemon(True)
　　t.start()
　　self.running = 0
　　

def __del__(self): #解构时需等待两个队列完成　　time.sleep(0.5)
　　self.q_req.join()
　　self.q_ans.join()
　　

　　
def taskleft(self):
　　return self.q_req.qsize()+self.q_ans.qsize()+self.running
　　

　　
def push(self,req):
　　self.q_req.put(req)
　　

　　
def pop(self):
　　return self.q_ans.get()
　　

　　
def threadget(self):
　　while True:
　　req = self.q_req.get()
　　with self.lock: #要保证该操作的原子性，进入critical area
　　self.running += 1
　　try:
　　ans = self.opener.open(req).read()
　　except Exception, what:
　　ans = ''
　　print what
　　self.q_ans.put((req,ans))
　　with self.lock:
　　self.running -= 1
　　self.q_req.task_done()
　　time.sleep(0.1) # don't spam
　　

　　if name == "main":
　　links = [ 'http://www.verycd.com/topics/%d/'%i for i in range(5420,5430) ]
　　f = Fetcher(threads=10)
　　for url in links:
　　f.push(url)
　　while f.taskleft():
　　url,content = f.pop()
　　print url,len(content)

• 一些琐碎的经验　　1、连接池：
  　　opener.open和urllib2.urlopen一样，都会新建一个http请求。通常情况下这不是什么问题，因为线性环境下，一秒钟可能也就新生成一个请求；然而在多线程环境下，每秒钟可以是几十上百个请求，这么干只要几分钟，正常的有理智的服务器一定会封禁你的。
  
  

　　然而在正常的html请求时，保持同时和服务器几十个连接又是很正常的一件事，所以完全可以手动维护一个HttpConnection的池，然后每次抓取时从连接池里面选连接进行连接即可。
　　这里有一个取巧的方法，就是利用squid做代理服务器来进行抓取，则squid会自动为你维护连接池，还附带数据缓存功能，而且squid本来就是我每个服务器上面必装的东东，何必再自找麻烦写连接池呢。
　　2、设定线程的栈大小
　　栈大小的设定将非常显著地影响python的内存占用，python多线程不设置这个值会导致程序占用大量内存，这对openvz的vps来说非常致命。stack_size必须大于32768，实际上应该总要32768*2以上
　　Python
　　from threading import stack_size
　　stack_size(3276816)
　　1
　　2
　　from threading import stack_size
　　stack_size(3276816)
　　3、设置失败后自动重试
　　Python
　　

def get(self,req,retries=3):　　try:
　　response = self.opener.open(req)
　　data = response.read()
　　except Exception , what:
　　print what,req
　　if retries>0:
　　return self.get(req,retries-1)
　　else:
　　print 'GET Failed',req
　　return ''
　　return data
　　

　　
def get(self,req,retries=3):
　　try:
　　response = self.opener.open(req)
　　data = response.read()
　　except Exception , what:
　　print what,req
　　if retries>0:
　　return self.get(req,retries-1)
　　else:
　　print 'GET Failed',req
　　return ''
　　return data
　　

　　4、设置超时
　　Python
　　

import socket　　
socket.setdefaulttimeout(10) #设置10秒后连接超时
　　

　　1
　　2
　　import socket
　　socket.setdefaulttimeout(10) #设置10秒后连接超时
　　5、登陆
　　登陆更加简化了，首先build_opener中要加入cookie支持，参考“总结”一文；如要登陆VeryCD，给Fetcher新增一个空方法login，并在init()中调用，然后继承Fetcher类并override login方法：
　　Python
　　def login(self,username,password):
　　import urllib
　　data=urllib.urlencode({'username':username,
　　'password':password,
　　'continue':'http://www.verycd.com/',
　　'login_submit':u'登录'.encode('utf-8'),
　　'save_cookie':1,})
　　url = 'http://www.verycd.com/signin'
　　self.opener.open(url,data).read()
　　def login(self,username,password):
　　import urllib
　　data=urllib.urlencode({'username':username,
　　'password':password,
　　'continue':'http://www.verycd.com/',
　　'login_submit':u'登录'.encode('utf-8'),
　　'save_cookie':1,})
　　url = 'http://www.verycd.com/signin'
　　self.opener.open(url,data).read()
　　于是在Fetcher初始化时便会自动登录VeryCD网站。

• 总结　　如此，把上述所有小技巧都糅合起来就和我目前的私藏最终版的Fetcher类相差不远了，它支持多线程，gzip/deflate压缩，超时设置，自动重试，设置栈大小，自动登录等功能；代码简单，使用方便，性能也不俗，可谓居家旅行，杀人放火，咳咳，之必备工具。
  
  

　　之所以说和最终版差得不远，是因为最终版还有一个保留功能“马甲术”：多代理自动选择。看起来好像仅仅是一个random.choice的区别，其实包含了代理获取，代理验证，代理测速等诸多环节，这就是另一个故事了。
　　原作者网址：http://python.jobbole.com/81997/