python异步协程(aiohttp,asyncio)

python异步协程

环境:python3.7.0

协程

协程,英文叫做 Coroutine,又称微线程,纤程,协程是一种用户态的轻量级线程。

协程本质上是个单进程,协程相对于多进程来说,无需线程上下文切换的开销,无需原子操作锁定及同步的开销,编程模型也非常简单。

使用协程来实现异步操作,发出一个请求之后,需要等待一定的时间才能得到响应,这个等待过程中,程序可以干许多其他的事情,等到响应得到之后才切换回来继续处理,这样可以充分利用 CPU 和其他资源,这就是异步协程的优势。

通过异步协程可以加快爬虫爬取文件的速度
其中用到aiohttp库

sudo pip3 install aiohttp
Name: aiohttp
Version: 3.4.1
Summary: Async http client/server framework (asyncio)
Home-page: https://github.com/aio-libs/aiohttp
Author: Nikolay Kim
Author-email: fafhrd91@gmail.com
License: Apache 2
Location: /Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages
Requires: yarl, attrs, multidict, chardet, async-timeout
Required-by: 

以下分别是用异步与不用异步爬取unsplash首页图片的对比

unsplash.py
import requests
import os
import re
from time import time

class Spider(object):

    def __init__(self,n=10):
        self.headers={
            'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'
        }
        path='./download/unsplash'
        if not os.path.exists(path):
            os.mkdir(path)
            self.path=path
        else:
            self.path=path
        self.n=n
        self.num=1

    def getImagesLinks(self,page:int):
        url='https://unsplash.com/napi/photos'
        params={
            'page': page,
            'per_page': '12',
            'order_by': 'latest'
        }
        links=[]
        try:
            r=requests.get(url=url,params=params,timeout=60)
            r.raise_for_status()
            r.encoding=r.apparent_encoding
            for data in r.json():
                links.append(data['urls']['full'])
        except Exception as e:
            print(e.args)
        finally:
            return links

    def save_img(self,url):
        text=""
        try:
            r=requests.get(url,headers=self.headers,timeout=60)
            r.raise_for_status()
            text=r.content
        except Exception as e:
            print(e.args)
        finally:
            return text

    def download_img(self,url:str):
        url_split=re.split(r'\/|\?',url)
        try:
            filename=url_split[3]+'.jpg'
            if os.path.exists(self.path+'/'+filename):
                print('下载失败,文件已存在')
            else:
                with open(self.path+'/'+filename,'wb') as f:
                    f.write(self.save_img(url))
                    f.close()
                print('成功下载第%d张图片'%(self.num))
                self.num+=1
        except Exception as e:
            print(e.args)
        finally:
            pass

    def run(self):
        try:
            for i in range(1,self.n+1):
                urls=self.getImagesLinks(i)
                for url in urls:
                    self.download_img(url)
        except Exception as e:
            print(e.args)
        finally:
            pass



def main():
    start=time()
    spider=Spider(n=1)
    spider.run()
    end=time()
    print(end-start,'s')

if __name__ == '__main__':
    main()
2.png

unsplash.py爬取里unsplash首页的12张图片,共耗时62.375s

async_unsplash.py
import requests
import re
import os
import asyncio
import aiohttp
from time import time



class Spider(object):

    def __init__(self,n=10):
        self.headers = {
            'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'
        }
        path = './download/async_unsplash'
        if not os.path.exists(path):
            os.mkdir(path)
            self.path = path
        else:
            self.path = path
        self.n = n
        self.num=1

    def getImagesLinks(self,page:int):
        url='https://unsplash.com/napi/photos'
        params={
            'page': page,
            'per_page': '12',
            'order_by': 'latest'
        }
        links=[]
        try:
            r=requests.get(url=url,params=params,timeout=60)
            r.raise_for_status()
            r.encoding=r.apparent_encoding
            for data in r.json():
                links.append(data['urls']['full'])
        except Exception as e:
            print(e.args)
        finally:
            return links

    async def save_img(self,url):
        content=""
        try:
            async with aiohttp.ClientSession(connector=aiohttp.TCPConnector(verify_ssl=False)) as session:
                response=await session.get(url,headers=self.headers,timeout=60)
                content=await response.read()
                await session.close()
        except Exception as e:
            print(e.args)
        finally:
            return content

    async def download_img(self,url:str):
        url_split = re.split(r'\/|\?', url)
        try:
            filename = url_split[3] + '.jpg'
            if os.path.exists(self.path + '/' + filename):
                print('下载失败,文件已存在')
            else:
                content=await self.save_img(url)
                with open(self.path + '/' + filename, 'wb') as f:
                    f.write(content)
                    f.close()
                print('成功下载第%d张图片' % (self.num))
                self.num+=1
        except Exception as e:
            print(e.args)
        finally:
            pass

    def run(self):
        try:
            for i in range(1, self.n + 1):
                urls = self.getImagesLinks(i)
                tasks=[asyncio.ensure_future(self.download_img(url)) for url in urls]
                loop=asyncio.get_event_loop()
                loop.run_until_complete(asyncio.wait(tasks))
        except Exception as e:
            print(e.args)
        finally:
            pass


def main():
    start=time()
    spider=Spider(n=1)
    spider.run()
    end=time()
    print(end-start,'s')

if __name__ == '__main__':
    main()

1.png

async_unsplash.py爬取里unsplash首页的12张图片,共耗时16.740s

通过上述两个事例,可以很明显看出异步协程对爬虫爬取文件速度的提升,对别的程序运行也有同样的作用

运行异步协程程序的时候,内存的占有比不用时大

GitHub地址

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,547评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,399评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,428评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,599评论 1 274
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,612评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,577评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,941评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,603评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,852评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,605评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,693评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,375评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,955评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,936评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,172评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,970评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,414评论 2 342

推荐阅读更多精彩内容