python爬虫—单线程+多任务异步协程
- 协程
- 在函数定义(特殊函数)的时候,如果使用了async修饰的化,则该函数调用后会返回一个协程对象,并且函数内部的实现语句不会被立即执行
- 任务对象
- 任务对象就是对协程对象的进一步封装。任务对象就等于一个高级的协程对象,就等于特殊的函数。
- 任务对象时必须要注册到事件循环对象中的。
- 给任务对象绑定回调:爬虫的数据解析中。
- 事件循环
- 当作是一个容器,容器中必须存放任务对象。
- 当启动事件循环对象时,则事件循环对象会对其内部的存储任务对象进行异步的执行。
- aiohttp:支持异步发送请求
使用multiprocessing.dummy.Pool
from multiprocessing.dummy import Pool
from time import sleep, time
start = time()
def get_request(url):
print('正在下载:', url)
sleep(2)
print('下载结束:', url)
urls = [
'http://127.0.0.1:5000/index',
'http://127.0.0.1:5000/index',
'http://127.0.0.1:5000/index',
]
# 串行
# for url in urls:
# get_request(url)
"""
正在下载: https://www.baidu.com/
下载结束: https://www.baidu.com/
正在下载: https://www.cnblog.com/
下载结束: https://www.cnblog.com/
正在下载: https://www.csdn.com/
下载结束: https://www.csdn.com/
6.001115322113037
"""
pool = Pool(3)
pool.map(get_request, urls) # 自定义函数 列表
"""
正在下载: https://www.baidu.com/
正在下载: https://www.cnblog.com/
正在下载: https://www.csdn.com/
下载结束: https://www.baidu.com/
下载结束: https://www.csdn.com/
下载结束: https://www.cnblog.com/
2.0132570266723633
"""
end = time()
print(end-start)
协程和绑定回调
server.py
from flask import Flask
app = Flask(__name__)
@app.route('/index')
def index():
return 'hello'
@app.route('/index1')
def index1():
return 'hello1'
@app.route('/index2')
def index2():
return 'hello2'
if __name__ == '__main__':
app.run()
协程.py
import asyncio
# 作为任务对象的回调函数
def callback(task):
# ask.result() 协程对象函数内部的返回值
print('i am callback', task.result())
async def test():
print('i am test')
return 'haha'
c = test() # c是一个协程对象
# 封装了一个任务对象
task = asyncio.ensure_future(c)
# 绑定回调
task.add_done_callback(callback)
# 创建了一个事件循环对象
loop = asyncio.get_event_loop()
loop.run_until_complete(task)
多任务协程
import asyncio
import time
start = time.time()
# 在特殊函数内部的实现中不可以出现不支持异步的模块代码
async def get_request(url):
# time.sleep(2) # time就不支持异步
await asyncio.sleep(2) # 支持异步 等待阻塞操作执行
print('下载成功:', url)
urls = [
'http://127.0.0.1:5000/index',
'http://127.0.0.1:5000/index',
'http://127.0.0.1:5000/index',
]
tasks = []
for url in urls:
c = get_request(url)
# 封装了一个任务对象
task = asyncio.ensure_future(c)
tasks.append(task)
# 创建了一个事件循环对象
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks)) # 如果有任务阻塞,挂起
print(time.time() - start)
"""
下载成功: http://127.0.0.1:5000/index
下载成功: http://127.0.0.1:5000/index
下载成功: http://127.0.0.1:5000/index
2.0011091232299805
"""
运用到爬虫
import requests
import asyncio
import time
import aiohttp
start = time.time()
urls = [
'http://127.0.0.1:5000/index',
'http://127.0.0.1:5000/index1',
'http://127.0.0.1:5000/index2',
]
tasks = []
async def get_request(url):
# page_text = requests.get(url).text # requests 会产生阻塞终止异步
# return page_text
async with aiohttp.ClientSession() as s:
async with await s.get(url=url) as response:
page_text = await response.text()
print(page_text)
return page_text
for url in urls:
c = get_request(url)
task = asyncio.ensure_future(c)
tasks.append(task)
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
print(time.time()-start) # 0.011995553970336914
# 0.013938665390014648 用aiohttp 后的事件
作业:获取梨视频的视频