如何利用aiohttp制作異步爬蟲

這篇文章主要介紹“如何利用aiohttp制作異步爬蟲”，在日常操作中，相信很多人在如何利用aiohttp制作異步爬蟲問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”如何利用aiohttp制作異步爬蟲”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

 簡介

asyncio可以實現單線程并發IO操作，是Python中常用的異步處理模塊。關于asyncio模塊的介紹，筆者會在后續的文章中加以介紹，本文將會講述一個基于asyncio實現的HTTP框架——aiohttp，它可以幫助我們異步地實現HTTP請求，從而使得我們的程序效率大大提高。

本文將會介紹aiohttp在爬蟲中的一個簡單應用。

在原來的項目中，我們是利用Python的爬蟲框架scrapy來爬取當當網圖書暢銷榜的圖書信息的。在本文中，筆者將會以兩種方式來制作爬蟲，比較同步爬蟲與異步爬蟲(利用aiohttp實現)的效率，展示aiohttp在爬蟲方面的優勢。

同步爬蟲

首先，我們先來看看用一般的方法實現的爬蟲，即同步方法，完整的Python代碼如下：

'''  同步方式爬取當當暢銷書的圖書信息  '''  import time  import requests  import pandas as pd  from bs4 import BeautifulSoup  # table表格用于儲存書本信息  table = []  # 處理網頁  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")      # 獲取網頁中的暢銷書信息      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，評論數，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])  # 全部網頁  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)]  # 統計該爬蟲的消耗時間  print('#' * 50)  t1 = time.time()  # 開始時間  for url in urls:      download(url)  # 將table轉化為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()  # 結束時間  print('使用一般方法，總共耗時：%s' % (t2 - t1))  print('#' * 50)

輸出結果如下：

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

程序運行了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：

'''  異步方式爬取當當暢銷書的圖書信息  '''  import time  import aiohttp  import asyncio  import pandas as pd  from bs4 import BeautifulSoup  # table表格用于儲存書本信息  table = []  # 獲取網頁（文本信息）  async def fetch(session, url):      async with session.get(url) as response:          return await response.text(encoding='gb18030')  # 解析網頁  async def parser(html):      # 利用BeautifulSoup將獲取到的文本解析成HTML      soup = BeautifulSoup(html, "lxml")      # 獲取網頁中的暢銷書信息      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，評論數，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])  # 處理網頁      async def download(url):      async with aiohttp.ClientSession() as session:          html = await fetch(session, url)          await parser(html)  # 全部網頁  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)]  # 統計該爬蟲的消耗時間  print('#' * 50)  t1 = time.time() # 開始時間  # 利用asyncio模塊進行異步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() # 結束時間  print('使用aiohttp，總共耗時：%s' % (t2 - t1))  print('#' * 50)

我們可以看到，這個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請求時使用了aiohttp模塊以及在解析網頁時函數變成了協程(coroutine)，再利用aysncio進行并發處理，這樣無疑能夠提升爬蟲的效率。它的運行結果如下：

##################################################  使用aiohttp，總共耗時：2.405137538909912  ##################################################

2.4秒，如此神奇！！！再來看看文件的內容：

到此，關于“如何利用aiohttp制作異步爬蟲”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！