Go语言实战Go语言并发爬虫

Posted 2022-01-03 小生凡一

文章目录

• 写在前面
• 1. 单线程爬虫
• 2. 多线程爬虫
• • 2.1 channel
  • 2.2 sync.WaitGroup
• 3. 源码地址

写在前面

这篇文章主要让大家明白多线程爬虫，因为go语言实现并发是很容易的。

这次的服务端，是我们之前搭建的电子商城平台，所以我们不担心ip被封之类的问题。
而实际生产环境中，其实我们都是用python爬虫的。python实现多线程也很简单。

这次我们可以试试新玩法，试试go语言的并发爬虫。

主要是爬取第一页的商品，爬取十次，比较单线程和多线程的时间。

1. 单线程爬虫

• 定义一个用户

var Client http.Client

• 主函数

func main() 
	url := "http://localhost:3000/api/v1/products"
	start := time.Now()
	for i := 0; i < 10; i++ 
		Spider(url, i)
	
	elapsed := time.Since(start)
	fmt.Printf("Time %s", elapsed)

• 爬取函数

func Spider(url string, i int) 
	reqSpider, err := http.NewRequest("GET", url, nil)
	if err != nil 
		log.Fatal(err)
	
	reqSpider.Header.Set("content-length", "0")
	reqSpider.Header.Set("accept", "*/*")
	reqSpider.Header.Set("x-requested-with", "XMLHttpRequest")
	respSpider, err := Client.Do(reqSpider)
	if err != nil 
		log.Fatal(err)
	
	bodyText, _ := ioutil.ReadAll(respSpider.Body)
	var result Result
	_ = json.Unmarshal(bodyText, &result)
	fmt.Println(i,result.Data)

• 运行时间为：651.8207ms

2. 多线程爬虫

2.1 channel

• main函数

我们构造一个无缓冲的通道，来阻塞主进程，等待子进程的执行。

func main() 
	url := "http://localhost:3000/api/v1/products"
	ch := make(chan bool)
	start := time.Now()
	for i := 0; i < 10; i++ 
		go Spider(url, ch, i)
	
	for i := 0; i < 10; i++ 
		<-ch
	
	elapsed := time.Since(start)
	fmt.Printf("Time %s", elapsed)

• 最后记得在爬虫的结束的时候，把值写入到通道中，不然会一直阻塞主进程

• 运行时间：187.7921ms 比之前快了非常多。

2.2 sync.WaitGroup

• 定义一个进程组并加10个进程

	var wg sync.WaitGroup
	wg.Add(10)

• 开辟十个goruntime

	for i := 0; i < 10; i++ 
		go func(i int) 
			defer wg.Done()
			SpiderWaitGroup(url,i)
		(i)
	

• 阻塞主进程

	wg.Wait()

• 结果：64.5246ms

3. 源码地址

GitHub地址：https://github.com/CocaineCong/Go-Spider-Demo

	NormalStart(url) // 单线程爬虫
	ChannelStart(url) // Channel多线程爬虫
	WaitGroupStart(url) // Wait 多线程爬虫

• 其实多线程的两种都差不多的，只是有时候会因为机器的原因而导致一些误差。