异步非阻塞socket的实现

Posted 2020-10-05 左岸边

在学习使用scrapy爬虫框架之前，需要了解一些基础原理

　　我们知道HTTP请求是基于socket模块进行发送和接受的，但是socket套接字的在使用的中存在着阻塞，不利用爬虫的高性能运行，所以我们就需要对框架进行一些高性能设置，使用select模块，检测socket请求的IO操作，实现对socket的高性能运行：

以下是代码示例：

import socket
import select


class Request(object):
    \'\'\'
    request类的定义是应对请求的连接不同时，做的低耦合操作
    \'\'\'
    def __int__(self,sock,info):
        self.sock=sock
        self.info=info

    def fileno(self):
        \'\'\'
        因为select模块在检测IO操作但是针对socket对象，该对象中必须有fileno方法才能调用，
        因此需要我们自己定义一个request类，在类下包含fileno方法
        :return:
        \'\'\'
        return self.sock.fileno()



class Mysocket(object):
    def __int__(self):
        \'\'\'
        初始化两个列表，存储socket对象
        :return:
        \'\'\'
        self.sock_list=[]
        self.conns=[]


    def add_request(self,req_info):
        \'\'\'
        创建请求
        :param req_info: {\'host\':\'www.baidu.com\',\'port\':80}
        :return:
        \'\'\'
        sock=socket.socket()
        sock.setblocking(False)#设置socket为非阻塞状态
        try:
            sock.connect((req_info[\'host\'],req_info[\'post\']))
        except BaseException as e:
            pass
        #使用try方法防止sock在非阻塞状态下报错

        obj=Request(sock,req_info)#示例话Request类，此类就是socket实例化的对象
        self.sock_list.append(obj)
        self.conns.append(obj)

    def run(self):
        \'\'\'
        开始事件循环，检测：连接是否成功，是否有数据返回
        :return:
        \'\'\'
        while True:
            r,w,e=select.select(self.sock_list,self.conns,[],0.05)
            #select。select([socket对象，])，可以是任何对象，但是对象一定要有
            #fileno方法，所以需要自己去定义request类
            #在此处就调用request对象

            #seclet参数w数值就是检测请求是否成功
            for obj in w:
                #检查obj.request对象
                data="GET %s http/1.1\\r\\nhost:%s\\r\\n\\r\\n" %(obj.info[\'path\'],obj.info[\'host\'])
                obj.sock.send(data.encode(\'utf8\'))
                self.conns.remove(obj)#该连接在成功请求过后，为防止重复发送请求，需请求列表中将其删除
                
                
            #数据返回，接受到数据
            for obj in r:
                response=obj.sock.recv(8096)
                obj.info["callback"](response)
                self.sock_list.remove(obj)

from .. import Mysocket
def data(response):
    \'\'\'
    回调函数，对返回的数据进行操作
    :param response:
    :return:
    \'\'\'
    print(response)

def file(response):
    \'\'\'
    回调函数，对返回数值的第二种操作方式
    :param response:
    :return:
    \'\'\'
    print(response)

url_list = [
    {\'host\': \'www.baidu.com\', \'port\': 80, \'path\': \'/\',\'callback\': data},
    {\'host\': \'www.cnblogs.com\', \'port\': 80, \'path\': \'/index.html\',\'callback\': file},
    {\'host\': \'www.bing.com\', \'port\': 80, \'path\': \'/\',\'callback\': data},
]

obj=Mysocket()
for item in url_list:
    obj.add_request(item)

obj.run()