# coding:utf8
import url_manager, html_downloader, html_parser, html_outputer
    
# from itertools import count

class SpiderMain(object):
    def __init__(self):
        self.urls = url_manager.UrlManager()#url管理器
        self.downloader = html_downloader.HtmlDownloader()#html下载器
        self.parser = html_parser.HtmlParser()#html解析器
        self.outputer = html_outputer.HtmlOutputer()
    
    def craw(self, root_url):
        
        count = 1#当前爬取url
        
        self.urls.add_new_url(root_url)#添加入口url
        #当有新的url时
        while self.urls.has_new_url():
            try:
                new_url = self.urls.get_new_url()#从urls获取行的url页面
                print 'craw %d : %s'%(count, new_url)
                html_cont = self.downloader.download(new_url)#下载url页面
                new_urls, new_data = self.parser.parse(new_url, html_cont)#解析下载页面
                self.urls.add_new_urls(new_urls)#添加批量url
                self.outputer.collect_data(new_data)#收集新的数据
                
                if count == 1000:
                    break
                
                count = count + 1
            except Exception as e:
                print 'carw failed--', e
        
        #输出收集好的数据
        self.outputer.output_html()



if __name__=="__main__":
    root_url = "http://baike.baidu.com/view/21087.htm"#入口url
    obj_spider = SpiderMain()
    obj_spider.craw(root_url)