最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

Python中利用aiohttp制作異步爬蟲及簡(jiǎn)單應(yīng)用

 更新時(shí)間:2018年11月29日 16:30:24   作者:技術(shù)小能手  
asyncio可以實(shí)現(xiàn)單線程并發(fā)IO操作,是Python中常用的異步處理模塊。這篇文章主要介紹了Python中利用aiohttp制作異步爬蟲的相關(guān)知識(shí),需要的朋友可以參考下

摘要: 簡(jiǎn)介 asyncio可以實(shí)現(xiàn)單線程并發(fā)IO操作,是Python中常用的異步處理模塊。關(guān)于asyncio模塊的介紹,筆者會(huì)在后續(xù)的文章中加以介紹,本文將會(huì)講述一個(gè)基于asyncio實(shí)現(xiàn)的HTTP框架——aiohttp,它可以幫助我們異步地實(shí)現(xiàn)HTTP請(qǐng)求,從而使得我們的程序效率大大提高。

簡(jiǎn)介

asyncio可以實(shí)現(xiàn)單線程并發(fā)IO操作,是Python中常用的異步處理模塊。關(guān)于asyncio模塊的介紹,筆者會(huì)在后續(xù)的文章中加以介紹,本文將會(huì)講述一個(gè)基于asyncio實(shí)現(xiàn)的HTTP框架——aiohttp,它可以幫助我們異步地實(shí)現(xiàn)HTTP請(qǐng)求,從而使得我們的程序效率大大提高。

本文將會(huì)介紹aiohttp在爬蟲中的一個(gè)簡(jiǎn)單應(yīng)用。

在原來(lái)的項(xiàng)目中,我們是利用Python的爬蟲框架scrapy來(lái)爬取當(dāng)當(dāng)網(wǎng)圖書暢銷榜的圖書信息的。在本文中,筆者將會(huì)以兩種方式來(lái)制作爬蟲,比較同步爬蟲與異步爬蟲(利用aiohttp實(shí)現(xiàn))的效率,展示aiohttp在爬蟲方面的優(yōu)勢(shì)。

同步爬蟲

首先,我們先來(lái)看看用一般的方法實(shí)現(xiàn)的爬蟲,即同步方法,完整的Python代碼如下:

'''
同步方式爬取當(dāng)當(dāng)暢銷書的圖書信息
'''
import time
import requests
import pandas as pd
from bs4 import BeautifulSoup
# table表格用于儲(chǔ)存書本信息
table = []
# 處理網(wǎng)頁(yè)
def download(url):
html = requests.get(url).text
# 利用BeautifulSoup將獲取到的文本解析成HTML
soup = BeautifulSoup(html, "lxml")
# 獲取網(wǎng)頁(yè)中的暢銷書信息
book_list = soup.find('ul', class_="bang_list clearfix bang_list_mode")('li')
for book in book_list:
info = book.find_all('div')
# 獲取每本暢銷書的排名,名稱,評(píng)論數(shù),作者,出版社
rank = info[0].text[0:-1]
name = info[2].text
comments = info[3].text.split('條')[0]
author = info[4].text
date_and_publisher = info[5].text.split()
publisher = date_and_publisher[1] if len(date_and_publisher) >= 2 else ''
# 將每本暢銷書的上述信息加入到table中
table.append([rank, name, comments, author, publisher])
# 全部網(wǎng)頁(yè)
urls = ['http://bang.dangdang.com/books/bestsellers/01.00.00.00.00.00-recent7-0-0-1-%d' % i for i in range(1, 26)]
# 統(tǒng)計(jì)該爬蟲的消耗時(shí)間
print('#' * 50)
t1 = time.time() # 開(kāi)始時(shí)間
for url in urls:
download(url)
# 將table轉(zhuǎn)化為pandas中的DataFrame并保存為CSV格式的文件
df = pd.DataFrame(table, columns=['rank', 'name', 'comments', 'author', 'publisher'])
df.to_csv('E://douban/dangdang.csv', index=False)
t2 = time.time() # 結(jié)束時(shí)間
print('使用一般方法,總共耗時(shí):%s' % (t2 - t1))
print('#' * 50)

輸出結(jié)果如下:

##################################################
使用一般方法,總共耗時(shí):23.522345542907715
##################################################

程序運(yùn)行了23.5秒,爬取了500本書的信息,效率還是可以的。我們前往目錄中查看文件,如下:

異步爬蟲

接下來(lái)我們看看用aiohttp制作的異步爬蟲的效率,完整的源代碼如下:

'''
異步方式爬取當(dāng)當(dāng)暢銷書的圖書信息
'''
import time
import aiohttp
import asyncio
import pandas as pd
from bs4 import BeautifulSoup
# table表格用于儲(chǔ)存書本信息
table = []
# 獲取網(wǎng)頁(yè)(文本信息)
async def fetch(session, url):
async with session.get(url) as response:
return await response.text(encoding='gb18030')
# 解析網(wǎng)頁(yè)
async def parser(html):
# 利用BeautifulSoup將獲取到的文本解析成HTML
soup = BeautifulSoup(html, "lxml")
# 獲取網(wǎng)頁(yè)中的暢銷書信息
book_list = soup.find('ul', class_="bang_list clearfix bang_list_mode")('li')
for book in book_list:
info = book.find_all('div')
# 獲取每本暢銷書的排名,名稱,評(píng)論數(shù),作者,出版社
rank = info[0].text[0:-1]
name = info[2].text
comments = info[3].text.split('條')[0]
author = info[4].text
date_and_publisher = info[5].text.split()
publisher = date_and_publisher[1] if len(date_and_publisher) >=2 else ''
# 將每本暢銷書的上述信息加入到table中
table.append([rank,name,comments,author,publisher])
# 處理網(wǎng)頁(yè)
async def download(url):
async with aiohttp.ClientSession() as session:
html = await fetch(session, url)
await parser(html)
# 全部網(wǎng)頁(yè)
urls = ['http://bang.dangdang.com/books/bestsellers/01.00.00.00.00.00-recent7-0-0-1-%d'%i for i in range(1,26)]
# 統(tǒng)計(jì)該爬蟲的消耗時(shí)間
print('#' * 50)
t1 = time.time() # 開(kāi)始時(shí)間
# 利用asyncio模塊進(jìn)行異步IO處理
loop = asyncio.get_event_loop()
tasks = [asyncio.ensure_future(download(url)) for url in urls]
tasks = asyncio.gather(*tasks)
loop.run_until_complete(tasks)
# 將table轉(zhuǎn)化為pandas中的DataFrame并保存為CSV格式的文件
df = pd.DataFrame(table, columns=['rank','name','comments','author','publisher'])
df.to_csv('E://douban/dangdang.csv',index=False)
t2 = time.time() # 結(jié)束時(shí)間
print('使用aiohttp,總共耗時(shí):%s' % (t2 - t1))
print('#' * 50)

我們可以看到,這個(gè)爬蟲與原先的一般方法的爬蟲的思路和處理方法基本一致,只是在處理HTTP請(qǐng)求時(shí)使用了aiohttp模塊以及在解析網(wǎng)頁(yè)時(shí)函數(shù)變成了協(xié)程(coroutine),再利用aysncio進(jìn)行并發(fā)處理,這樣無(wú)疑能夠提升爬蟲的效率。它的運(yùn)行結(jié)果如下:

##################################################
使用aiohttp,總共耗時(shí):2.405137538909912
##################################################

2.4秒,如此神奇?。?!再來(lái)看看文件的內(nèi)容:

總結(jié)

綜上可以看出,利用同步方法和異步方法制作的爬蟲的效率相差很大,因此,我們?cè)趯?shí)際制作爬蟲的過(guò)程中,也不妨可以考慮異步爬蟲,多多利用異步模塊,如aysncio, aiohttp。另外,aiohttp只支持3.5.3以后的Python版本。

相關(guān)文章

  • 一文帶你理解Python中import機(jī)制與importlib的妙用

    一文帶你理解Python中import機(jī)制與importlib的妙用

    在Python編程的世界里,import語(yǔ)句是開(kāi)發(fā)者最常用的工具之一,它就像一把鑰匙,打開(kāi)了通往各種功能和庫(kù)的大門,下面就跟隨小編一起來(lái)學(xué)習(xí)一下import機(jī)制的具體使用吧
    2025-01-01
  • Python 實(shí)現(xiàn)中值濾波、均值濾波的方法

    Python 實(shí)現(xiàn)中值濾波、均值濾波的方法

    今天小編就為大家分享一篇Python 實(shí)現(xiàn)中值濾波、均值濾波的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2019-01-01
  • PyTorch小功能之TensorDataset解讀

    PyTorch小功能之TensorDataset解讀

    這篇文章主要介紹了PyTorch小功能之TensorDataset解讀,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2023-02-02
  • 如何爬取通過(guò)ajax加載數(shù)據(jù)的網(wǎng)站

    如何爬取通過(guò)ajax加載數(shù)據(jù)的網(wǎng)站

    這篇文章主要介紹了如何爬取通過(guò)ajax加載數(shù)據(jù)的網(wǎng)站,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-08-08
  • Python小游戲之300行代碼實(shí)現(xiàn)俄羅斯方塊

    Python小游戲之300行代碼實(shí)現(xiàn)俄羅斯方塊

    這篇文章主要給大家介紹了關(guān)于Python小游戲之300行代碼實(shí)現(xiàn)俄羅斯方塊的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面來(lái)一起看看吧
    2019-01-01
  • Python實(shí)現(xiàn)搜索Google Scholar論文信息的示例代碼

    Python實(shí)現(xiàn)搜索Google Scholar論文信息的示例代碼

    這篇文章主要為大家詳細(xì)介紹了如何利用Python實(shí)現(xiàn)搜索Google Scholar論文信息的功能,文中的示例代碼講解詳細(xì),需要的可以參考一下
    2023-03-03
  • pip search報(bào)錯(cuò)問(wèn)題及解決

    pip search報(bào)錯(cuò)問(wèn)題及解決

    這篇文章主要介紹了pip search報(bào)錯(cuò)問(wèn)題及解決方案,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2022-12-12
  • matplotlib共享坐標(biāo)軸的實(shí)現(xiàn)(X或Y坐標(biāo)軸)

    matplotlib共享坐標(biāo)軸的實(shí)現(xiàn)(X或Y坐標(biāo)軸)

    在作圖的過(guò)程中,我們經(jīng)常會(huì)遇到子圖共用坐標(biāo)軸的情況,或是共用橫軸標(biāo)軸,也可能是縱坐標(biāo)軸。本文就介紹了matplotlib共享坐標(biāo)軸,感興趣的可以了解一下
    2021-05-05
  • Python并行計(jì)算庫(kù)Joblib高效使用指北

    Python并行計(jì)算庫(kù)Joblib高效使用指北

    Joblib是用于高效并行計(jì)算的Python開(kāi)源庫(kù),其提供了簡(jiǎn)單易用的內(nèi)存映射和并行計(jì)算的工具,以將任務(wù)分發(fā)到多個(gè)工作進(jìn)程中,這篇文章主要介紹了Python并行計(jì)算庫(kù)Joblib使用指北,需要的朋友可以參考下
    2024-08-08
  • Tornado Web Server框架編寫簡(jiǎn)易Python服務(wù)器

    Tornado Web Server框架編寫簡(jiǎn)易Python服務(wù)器

    這篇文章主要為大家詳細(xì)介紹了Tornado Web Server框架編寫簡(jiǎn)易Python服務(wù)器,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2018-07-07

最新評(píng)論

三门县| 宜兰市| 林甸县| 吐鲁番市| 吉首市| 东乡族自治县| 德州市| 沅江市| 宁远县| 屏边| 平阳县| 隆德县| 德惠市| 安化县| 固安县| 烟台市| 正安县| 赤城县| 定南县| 苍溪县| 宜城市| 紫阳县| 平湖市| 孝感市| 鲁甸县| 奎屯市| 锡林郭勒盟| 比如县| 麟游县| 普兰县| 泽普县| 阜康市| 汉阴县| 西畴县| 湄潭县| 海南省| 中超| 辽阳县| 五大连池市| 武夷山市| 那坡县|