gevent异步爬虫

本文首发于知乎
以前咱们讲过基于asycnio的异步爬虫实现，不过代码过于复杂，本文咱们使用gevent模块实现异步爬虫。

本文分为以下部分

• 用gevent实现异步爬虫
• grequests模块

用gevent实现异步爬虫

由于使用很是简单，就直接上代码了

import gevent
from gevent import monkey
import requests
from bs4 import BeautifulSoup
monkey.patch_all() # 对全部io操做打上补丁，固定加这一句
def get_title(i):
    url = 'https://movie.douban.com/top250?start={}&filter='.format(i*25)
    text = requests.get(url).content
    soup = BeautifulSoup(text, 'html.parser')
    lis = soup.find('ol', class_='grid_view').find_all('li')
    for li in lis:
        title = li.find('span', class_="title").text
        print(title)
gevent.joinall([gevent.spawn(get_title, i) for i in range(10)])
复制代码

gevent本质上是开启了多个微线程，下面咱们用threading模块来检验一下

import gevent
from gevent import monkey
import requests
from bs4 import BeautifulSoup
import threading
monkey.patch_all()
def get_title(i):
    print(threading.current_thread().name) # 打印出当前线程名称
    url = 'https://movie.douban.com/top250?start={}&filter='.format(i*25)
    text = requests.get(url).content
    soup = BeautifulSoup(text, 'html.parser')
    lis = soup.find('ol', class_='grid_view').find_all('li')
    for li in lis:
        title = li.find('span', class_="title").text
        print(title)
gevent.joinall([gevent.spawn(get_title, i) for i in range(10)])
复制代码

运行结果首先打印出了下面内容

DummyThread-1
DummyThread-2
DummyThread-3
DummyThread-4
DummyThread-5
DummyThread-6
DummyThread-7
DummyThread-8
DummyThread-9
DummyThread-10
复制代码

表示这里其实开了10个微线程同时运行。

其实咱们也能够控制用一个线程来完成，只须要这样改

monkey.patch_all()
改为
monkey.patch_all(thread=False)
复制代码

grequests模块

requests库的做者将requests和gevent融合产生了grequests模块，专门用于异步网络请求，使用以下

import grequests
from bs4 import BeautifulSoup
def get_title(rep):
    soup = BeautifulSoup(rep.text, 'html.parser')
    lis = soup.find('ol', class_='grid_view').find_all('li')
    for li in lis:
        title = li.find('span', class_="title").text
        print(title)
reps = (grequests.get('https://movie.douban.com/top250?start={}&filter='.format(i*25)) for i in range(10))
for rep in grequests.map(reps):
    get_title(rep)
复制代码

欢迎关注个人知乎专栏

专栏主页：python编程

专栏目录：目录

版本说明：软件及包版本说明