def task_2():
"""task-1 で保存したスレッドからタスク待ちオブジェクトを作成する"""
task = datastore.get_next_task()
if task is None:
logging.info('task not found.')
return request.url
dat = i2ch.download_html(task.dat_url)
if dat is None:
logging.error('download failed. URL:' + task.dat_url)
return request.url
# スレッド情報を取得し、チェック済み番号を取得
thread_data = datastore.get_thread(task.id)
checked_response = 0
if thread_data is not None:
checked_response = thread_data.response_num
unicodedat = unicode(dat, 'shift-jis', 'ignore')
counter = Counter(unicodedat)
users = i2ch.get_user_list_from_dat(unicodedat)
entries = []
response_num = 0
for user in users:
response_num = int(user['response']['number'])
# まだ未チェックのレス番までスキップする
if response_num < checked_response:
continue
entries.append({
'number': response_num,
'author': user['response']['name'],
'mail': user['response']['mail'],
'body': user['response']['body'],
'authorid': user['response']['id'],
'thread': task.id,
'at': user['response']['datetime'].strftime('%Y/%m/%d %H:%M:%S.%f'),
'ids': user['ids']
})
thread_title = unicodedat.splitlines()[0].split('<>')[4] # 乱暴、データ形式が変わるとこける
thread_title = thread_title.replace('&', '&');
datastore.add_entry_task(entries)
datastore.update_thread(task.id, {
'url': task.url,
'response_num': response_num,
'title': thread_title
})
return request.url
def task_3():
"""task-2 で保存した情報を展開して書き込む"""
# 一回で処理するタスク数
PROC_TASK_NUM = 20
entries = datastore.get_entry_task()
thread_dic = {}
ids_dic = {}
task_count = 0
while entries:
entry = entries.pop(0)
thread = None
if entry['thread'] in thread_dic:
thread = thread_dic[entry['thread']]
else:
thread = datastore.get_thread(entry['thread'])
thread_dic[entry['thread']] = thread
response_data = datastore.create_response({
'number': entry['number'],
'author': entry['author'],
'mail': entry['mail'],
'body': entry['body'],
'authorid': entry['authorid'],
'thread': thread,
'at': datetime.strptime(entry['at'], '%Y/%m/%d %H:%M:%S.%f')
})
for id in entry['ids']:
# このループで新規に追加された ID の場合、
# データベースに保存される前に取得が発生するようで、
# 結果的に同じ ID が複数データベースに書き込まれる現象が発生する
# （根本的な解決ではないが）これを避けるため、いったん ID を保存し一括で保存するようにする
#datastore.update_psn_user(id, response_data.key())
if id not in ids_dic:
ids_dic[id] = []
ids_dic[id].append(response_data.key())
task_count += 1
if task_count > PROC_TASK_NUM:
break
for id, keys in ids_dic.iteritems():
datastore.increment_user_count(id, keys)
datastore.set_entry_task(entries)
return request.url
