爬虫第四章 单线程+多任务异步协程
Posted zty1304368100
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫第四章 单线程+多任务异步协程相关的知识,希望对你有一定的参考价值。
单线程+多任务异步协程: asyncio
事件循环 loop: 无限循环的对象,事件循环中最终需要将一些特殊的函数注册到该事件循环中 特殊的函数: 被ansyc关键字修饰的函数 协程: 本质上是一个对象,可以把协程对象注册到事件循环中, 任务对象:就是对协程对象进一步的封装. 绑定回调函数(即在执行完特殊函数之后执行这个回调函数):task.add_done_callback(func) - func(task) :task 参数表示的就是绑定的任务对象 - task.result() 返回的就是任务对象对应的特殊函数内部的返回值 - 回调函数 多被用作爬虫的解析方法(就是标签定位和解析数据) await: 在执行任务函数的时候,如果出现了阻塞,则必须在前面加一个await进行修饰
异步操作的体现:
当将多个协程对象注册到事件循环中后,事件循环开启时,则会循环执行其内部的协程对象.
假如事件循环对象在执行某一个协程对象时,发生了阻塞,则事件循环会执行下一个协程对象
aiohttp模块: 支持异步的网络请求模块 查看中文文档 点击这里
环境安装: aiohttp
如何进行UA伪装:
session.get(url=url,headers=headers)
参数的伪装:
session.get(url=url ,headers=headers ,data/params)
代理ip:
session.get(url=url,headers=headers,proxy=‘http://代理ip:代理端口‘)
实例 : 爬取喜马拉雅郭德纲的相声
import requests import asyncio
import aiphttp
url = ‘https://www.ximalaya.com/revision/play/album?albumId=19366477&pageNum=1&sort=1&pageSize=2‘
headers=
‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/74.0.3729.169 Safari/537.36‘
url_list=[]
#从url中获取到每一个音频文件的数据(这里我们要将这个协程对象包装成任务对象)
async def get_audio_data(url):
#这里的这个aiphttp.ClientSession()就相当于实例化一个requests对象(可以发送网络请求的对象)
async with aiphttp.ClientSession() as session:
#通过这个session对象发送get请求获取到响应数据
async with await session.get(url=url,headers=headers) as response:
#将响应数据的格式转化为2进制流的形式
audio_data=await response.read() # read是aiphttp中获取2进制流的方法
return ‘data‘:audio_data,‘url‘:url
def save_data(task):
audio_data = task.result()
name = audio_data[‘url‘].split(‘/‘)[-1]
data = audio_data[‘data‘]
with open(name,‘wb‘) as fp:
fp.write(data)
print(name,‘下载成功!!‘)
page_text = requests.get(url=url,headers=headers).json()
#从页面数据中找到所有的url,并将它们添加到url_list中
for dic in page_text[‘data‘][‘trackAudioPlay‘]:
audio_url=dic[‘src‘]
url_list.append(audio_url)
task_list = []
for url in url_list:
#创建协程对象
audio_data = get_audio_data(url)
#将协程对象包装成任务对象
task = asyncio.ensure_future(audio_data)
#绑定回调函数
async.add_done_callback(save_data)
#这里我们添加到列表中是为了下面的异步执行任务对象做准备
task_list.append(task)
#创建事件循环对象
loop = asyncio.get_event_loop()
#将任务对象列表放到事件循环中,实现异步效果(将任务对象注册到事件循环中,并执行事件循环)
loop.run_until_complate(asyncio.wait(tasks))
执行步骤:
先从大的url中获取到每一个音频的url,将他们添加到一个列表中,然后逐个对这个列表发送请求,获取到每一个页面数据,
通过解析获取到音频的数据,然后创建协程对象,将协程对象包装成任务对象(async),然后给每一个任务对象添加回调函数(在这里回调函数的作用就是保存数据),
然后将所有的任务对象都添加到一个列表中,然后创建事件循环对象(asyncio.get_event_loop()),将之前弄好的那个任务对象列表放到这个事件循环对象中(loop.run_util_complate()),就实现了异步执行的效果.
这里总结一下这里的注意事项:
在封装任务对象的时候,前面加上async 就行,但是要注意,函数内部不允许出现不支持异步代码的模块,还有函数内部中的所有阻塞操作必须使用await进行修饰;
requests模块就是不支持异步代码的模块,解决方法就是使用支持异步代码的模块(aiohttp模块);
任务对象就是用async修饰的函数,回调函数就是一个普通的函数;
以上是关于爬虫第四章 单线程+多任务异步协程的主要内容,如果未能解决你的问题,请参考以下文章