python多協程爬蟲示例

寫python協程時使用gevent模塊和queue模塊可以大大提高爬蟲速度。在同時爬取多個網站時，原來用for循環一個網站一個網站按循序順序爬，就像先燒飯后燒菜，兩個步驟異步進行。使用多協程可以讓爬蟲自己選擇爬取順序，就像邊燒飯邊燒菜，兩個步驟同步進行，速度自然快了。
不多說了，來看下代碼吧：

from gevent import monkey
monkey.patch_all()
#打上多協程布丁，下面的程序就可以執行多協程了

import requests,gevent,csv
from gevent.queue import Queue
from bs4 import BeautifulSoup

#把所有URL都放到一個列表里：
url_list=[]
i=1
for i in range(10):
    i=i+1
    url='http://www.mtime.com/top/tv/top100/index-'+str(i)+'.html'
    url_list.append(url)
#第一個url和別的不一樣，需要單獨加入
url_0='http://www.mtime.com/top/tv/top100/'
url_list.append(url_0)

headers={
    'User-Agent': 
}

csv_file=open('時光網電影列表.csv','a+',newline='',encoding='utf-8')
writer=csv.writer(csv_file)
file_head=['電影名稱','導演','主演','簡介']
writer.writerow(file_head)

def list(movies):
    for movie in movies:
        title=movie.find('h3',class_="px14 pb6").find('a').text
        acts=movie.find_all('p')
        try:
            dic=acts[0].text
        except IndexError:
            dic='none'

        try:
            actor=acts[1].text
        except IndexError:
            actor='none'

        try:
            bief=movie.find('p',class_="mt3").text
        except AttributeError:
            bief='none'
        writer.writerow([title,dic,actor,bief])

#所有url都放到‘不用等’房間里：
work=Queue()
for url in url_list:
    work.put_nowait(url)

#爬蟲對象：
def crawler():
    while not work.empty():
        url=work.get_nowait()
        res=requests.get(url,headers=headers)
        soup=BeautifulSoup(res.text,'html.parser')
        movies=soup.find_all('div',class_="mov_con")
        list(movies)
        print(url,work.qsize(),res.status_code)        

#建立多協程任務，任務不用建太多，2個就夠，太多的話對方服務器承受不了
tasks_list=[]
for x in range(2):
    task=gevent.spawn(crawler)
    tasks_list.append(task)

gevent.joinall(tasks_list)
csv_file.close()