刚买了 2 个双频 velop，感觉不错，主要是为了无线方式桥接+漫游，话说的我给我朋友推荐的，买了三个 ac1750 组 aimesh，他觉得很好用

我的梯子用的 caddy，自己更新证书好用，再反带一个网站，配置文件就几行，caddy1 还是很好用的，caddy2 的配置文件改的跟 shit 一样

@sxd96 应该是，生产者 aiomysql 取数据存入 queue，我这么写主要是因为我的 URL 是本地生成但又想控制速度，和你的不一样

@sxd96 如果所有都并发开始了在那就不是生成器，就已经在内存中运行了，我一般都用官方的 aiohttp，没用过另一个

@cybermonster #19 然而，我每天都盼着 V 站有人来收，直到今天才碰到你啊

我也有支一代笔，包装盒子都在，买了后以为我会好好学习好好记笔记，然而。。。。

不支持 markdown 吗，格式全乱了

@ClericPy #7
@superrichman #6

感谢二位，用信号量的代码写出来了，比原来好很多

```python
import asyncio
import random
import re


async def crawler(u, sem):
async with sem:
i = int(re.search(r"\d+", u).group(0))
await asyncio.sleep(random.random() * 5)
print(f"crawled {u}")
return i


async def main():
sem = asyncio.Semaphore(20)
urls = [f"url{i}" for i in range(100)]
tasks = [crawler(u, sem) for u in urls]
gather = await asyncio.gather(*tasks)
return gather


if __name__ == "__main__":
result = asyncio.run(main())

```

@gwy15 #9 感谢，这个库试了下，写出来很简洁，就是可能是我的 py 版本太高，在 pycharm 里有错误提示，但是稍微修改下可以正常运行。

```python
import asyncio
import random
import re

import paco


async def crawler(u):
i = int(re.search(r"\d+", u).group(0))
await asyncio.sleep(random.random() * 3)
print(f"crawled {u}")
return i


async def main():
urls = [f"url{i}" for i in range(100)]
gather = await paco.map(crawler, urls, limit=20)
return gather


if __name__ == "__main__":
result = asyncio.run(main())

```

@ClericPy #4 那就如 2 楼的代码，不需要用 Queue，请问信号量应该在哪里写啊？

@GoLand #2 谢谢，不过你说这个我知道可以，我这么设计的目的我忘说了，因为 url 是本地生成的，所以会很快，如果一次性把 url 全部创建为 task，那么 gather 后会一次性创建非常多的链接链接目标网站，我怕网站受不了，也怕自己 IP 被封，所以才不得已使用生产 /消费者，用输入的 Queue 的最大容量限制爬取速度。

没有大佬来指点下吗？

j1900 没 AES 指令集，出国会略微慢一点，都软路由了就别买这么低端的了

北京联通，我们家我是 50 找淘宝弄得，应该是破解，5 分钟搞定，我妈家我让换光猫的师傅直接给我弄车桥接，他痛快地答应了，给后台打个电话设置下就好了，免费

给你说说我的经历，985 本科学的经济，前六年一直在证券私募公司，三年半前自学了 Python 转了金融算法，近两年半在做人工智能算法这块，怎么说呢，找工作会比正统出身的有些劣势，除非你做的项目和能力都非常强，所以楼主你要是有信心每天拿出更多时间学习提升自己，那我觉得没问题，否则别转。

我买积分了，50 人民币 80%数据都能随意拉取，300 人民币 100%全让你随便玩，还是永久，这么点钱都不愿意花吗

迎广机箱+j3455，安 omv 系统

自用三个 newifi d2，弱电箱一个 erx，一个 wrt1900acs，最推荐 newifi，虽然信号强度比不过 k2p，但是价格便宜啊，刷个 uboot 后自己想怎么刷就怎么刷

```
import pandas as pd

pd.DataFrame(d_dict).to_dict('list')
```


前提是你的 d_dict 里每一个 dict 是一样长