您的位置：首页 > 新闻资讯 > > 正文

怎么用Python实现异步爬虫？

发布时间：2021年03月22日来源：互联网

由于网络IO阻止了所有优化请求，因此我们可以采用异步方式进行优化，如多线程或协程并行抓取网页数据，这里使用Python协程来实现。

# coding: utf8

"""协程版本爬虫，提高抓取效率"""

from gevent import monkey

monkey.patch_all()

import requests

from lxml import etree

from gevent.pool import Pool

def main():

# 1. 定义页面URL和解析规则

crawl_urls = [

'https://book.douban.com/subject/25862578/',

'https://book.douban.com/subject/26698660/',

'https://book.douban.com/subject/2230208/'

]

rule = "//div[@id='wrapper']/h1/span/text()"

# 2. 抓取

pool = Pool(size=10)

for url in crawl_urls:

pool.spawn(crawl, url, rule)

pool.join()

def crawl(url, rule):

# 3. 发起HTTP请求

response = requests.get(url)

# 4. 解析HTML

result = etree.HTML(response.text).xpath(rule)[0]

# 5. 保存结果

print result

if __name__ == '__main__':

main()

相关文章内容简介

1 免费代理IP能用于爬虫吗

免费代理IP能用于爬虫吗？免费代理IP就是不需要花钱，在网络上可以直接提取，然后用来替换IP。并不是所有项目都能用免费代理IP的，例如爬虫就不可以。免费代理IP的来源比较杂，很多没有用，使用时间短，匿名程度也参差不齐，其中有一些是高度匿名的，但数量有限，也很难挑选。而爬虫工作需要的IP，要求比较高，因为爬虫IP一旦质量不高就会被对方网站发现，被禁止抓取数据，无法完成工作。所以，免费代理IP是不适合爬虫的。但如果免费代理IP的匿名程度够的话，使用效率低，也是符合使用需求的。爬虫大家都知道，是采集数据的方式。通过采集来的数据分析，可以获取有价值的信息。而代理IP是换IP最方便的工具，爬虫工作是要用代理IP的。爬虫对被爬的网站来说是毫无利益的，反而会影响到服务器的工作，所以现在都设有反爬程序，IP限制是最基本的。爬虫工作的时候，如果速度快，用同一个IP会有访问的问题，这时网络就会有验证或者直接封锁IP，给爬虫工作带来了很大的困难。 ... [阅读全文]

2 发帖用代理IP有什么好处？

发帖用代理IP有什么好处？发帖是网络营销的主要途径，在发帖的时候，很多时候都要用到代理IP，这并不奇怪，代理IP给网络营销人员带来了很大的便利。那么，发帖用代理IP有什么好处？贴吧大家都不陌生，很多人在贴吧交流，一般同一个IP只能发布有限的帖子，评论也是有限制的。如果想大量发帖，就需要用代理IP来解决了。有很多热帖有的是真实评论，有的可能需要代理IP来帮忙，用代理IP去访问网站，用户不会被网站监视限制，或者被封锁了。随着网络的发展，网络营销是很多公司必须要做的，其中网络影响最重要的途径就是发帖。很多发帖的工作人员都在使用代理IP，但还有很多人并不了解。那么，营销发帖一定要用代理IP吗？例如贴吧、微博等平台，这些平台发帖可以与其他网友进行交流，起到宣传的作用。但一个IP发帖的数量是有限的，如果想大量发帖，就需要代理IP的帮助。更换IP后，就可以伪装成一个全新的用户，自然不会被平台限制。还有网络营销最常见的问答方式，也需要更换IP后进行自问... [阅读全文]