問題描述

各位好，我寫了1個非常簡單的爬蟲去爬取51job里的招聘信息。從下面的鏈接里提取出每個招聘崗位的鏈接（一共50個鏈接）http://search.51job.com/jobse...再根據(jù)每個招聘崗位的url為每個崗位生成一個id，并且爬取每個崗位鏈接中的標題。最后把生成的信息打印到屏幕上。每次運行時內(nèi)存占用率都會持續(xù)上升，最后導致電腦停止響應。代碼非常簡單，但是找不到哪里有問題。。我的環(huán)境是Ubuntu16.04,Python3.5,Pycharm.

嘗試了下不用Pycharm直接運行還是不行，只輸出了十幾條信息后就停了。運行的時候一開始cpu很高，內(nèi)存持續(xù)增長到2g多，電腦基本停止響應，用手機拍了一個圖。過了幾分鐘后，cpu使用率掉下來了，但是內(nèi)存占用還是80%左右。

import requestsfrom lxml import etreeimport reheaders = {'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8', 'Accept-Encoding': 'gzip, deflate', 'Accept-Language': 'en-US,en;q=0.5', 'Connection': 'keep-alive', 'Host': 'jobs.51job.com', 'Upgrade-Insecure-Requests': '1', 'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:52.0) Gecko/20100101 Firefox/52.0'}def generate_info(url): html = requests.get(url, headers=headers) html.encoding = ’GBK’ select = etree.HTML(html.text.encode(’utf-8’)) job_id = re.sub(’[^0-9]’, ’’, url) job_title=select.xpath(’/html/body//h1/text()’) print(job_id,job_title)sum_page=’http://search.51job.com/jobsearch/search_result.php?fromJs=1&jobarea=070200%2C00&district=000000&funtype=0000&industrytype=00&issuedate=9&providesalary=06%2C07%2C08%2C09%2C10&keywordtype=2&curr_page=1&lang=c&stype=1&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&lonlat=0%2C0&radius=-1&ord_field=0&list_type=0&dibiaoid=0&confirmdate=9’sum_html=requests.get(sum_page)sum_select=etree.HTML(sum_html.text.encode(’utf-8’))urls= sum_select.xpath(’//*[@id='resultList']/p/p/span/a/@href’)for url in urls: generate_info(url)

問題解答

這是idle的bug

把結果保存到文件里就行了~

我嘗試跑了一下你的code，發(fā)現(xiàn)并沒有出現(xiàn)內(nèi)存占用過大的情況，最大的時候也不過30M。我建議你做以下嘗試

不使用Pycharm直接在命令行下python xxx.py運行查看是否是Pycharm的原因

確認在運行時的內(nèi)存占用還有CPU占用

正如你所說的一樣，這個代碼很簡單，任務量也不大，應該不會出現(xiàn)這種問題的

pycharm偶爾就是有這種難解，建議直接python環(huán)境下運行。