GeezerVison

Написать web-crawler, который скачивает все страницы с определенного домена (к примеру, habr.com), и находит 10 наиболее часто-используемых слов на русском языке, исключая предлоги.

1. Предлоги взяты отсюда: https://bit.ly/2AjvZai
2. Настройки хранятся в settings.py
   Ограничение по времени в секундах можно задать через параметр командной строки: python habrclient.py -t 10, по умолчанию 20 секунд.
   URL - домен по умолчанию, либо домен, полученный как параметр командной строки, если указан
   python habrclient.py -d 'https://habr.com' - по умолчанию https://habr.com
   BASE_DIR = os.getcwd() - текущая директория скрипта
   WORDS_FILE = 'words.txt' - в этом файле будем хранить слова, которые потом будем считать
   DELAY_BETWEEN_REQUEST = 0.3 - задержка перед следующим запросом
   POPULAR_WORDS_LIMIT = 10 - ограничение, сколько наиболее часто используемых слов находить
   PREPOSITIONS - предлоги, которые исключаем из подсчета

    RETRY_CODES = [413, 429, 500, 502, 503, 504] - коды ответов, от сервера при которых делаем повторный запрос
    RETRY_COUNT = 4     - количество повторных запросов, если запрос не удачный
    RETRY_TIMEOUT = 2   - сколько ждать ответа от сервера
    RETRY = True        - делать ли повторные запросы
    REPEAT_TIMEOUT = 2  - через сколько времени делать повторный запрос

3. Основная часть скрипта находится в файле habrclient.py. Есть базовый класс BaseParser в котором содержатся методы для выполнения запросов к серверу.

   Есть класс наследник HabrClient, в котором содержится основная логика для сохранения страниц и подсчета слов, а также выполнения вспомогательных действий (фильтрация предлогов, подсчет посещенных страниц, извлечение гиперссылок и тд).
   Основной метод run, в нем вызываются вспомогательные методы и реализована основная логика.
   В атрибуте visited_urls мы храним список посещенных страниц, чтобы повторно их не посещать.
   В атрибуте amount_pages_to_visit - храним количество страниц, которое небходимо сохранить (посетить)
   result_words - это список всех слов, кроме предлогов, которые мы будем подом считать.
   В frequency - храним слова и число, означающее сколько раз оно встречалось.
   Метод show_words - показывает N наиболее часто используемых слов. N берем из настроек (POPULAR_WORDS_LIMIT - по умолчанию 10)