【python】爬虫异步网络请求探索async+request与async+aiohttp
在学习协程的时候，会有一个疑问，使用协程语法进行异步请求时，比如
async + requests
，会有用吗？
其实细想一下就知道，由于requests库是用同步的方式写的，因此
async + requests
是肯定没用的。
但是本着实践出真知的思想，顺便复习巩固一下多线程、async、aiohttp的写法，还是手动来验证一下。
为了规避网络波动等影响，在本地用Flask搭建一个简易的服务器用于测试。
文章结构如下：
文章目录
先放结论：
-
threading + requests
能够并发请求 -
async + requests
不能并发请求 -
async + aiohttp
能并发请求
因此在进行爬虫的时候，要想加快效率，要么使用
threading + requests
，要么就使用
async + aiohttp
初始环境准备
安装测试所需要的库
pip install flask
pip install requets
pip install aiohttp
在任意路径创建一个文件夹（文件夹名随意），例如
./async_test
在该文件夹下创建一个空的py文件
app.py
用于后续搭建测试用后端。
再创建3个py文件分别对应3个实验，创建完毕后文件目录结构如下（此时的py文件都是空的）
|- async_test
|- app.py
|- 1_threading_requests.py
|- 2_async_requests.py
|- 3_async_aiohttp.py
搭建测试用的后端
让每次请求的时候先沉睡2秒，再返回结果，以此来模拟网络延迟。
在
app.py
文件中添加如下代码
## app.py ##
from flask import Flask
import time
app = Flask(__name__)
@app.route("/")
def index():
time.sleep(2)
return "Hello World!"
if __name__ == '__main__':
app.run()
在
./async_test
目录下运行
python app.py
* Serving Flask app "app" (lazy loading)
* Environment: production
WARNING: This is a development server. Do not use it in a production deployment.
Use a production WSGI server instead.
* Debug mode: off
* Running on http://127.0.0.1:5000/ (Press CTRL+C to quit)
访问 http://127.0.0.1:5000/ 延迟2秒后会看到Hello World!
完成这一步就搭建好了测试用后端
1.threading+requests
在
1_threading_requests.py
文件中添加如下代码
## 1_threading_requests.py ##
import time
import threading
import requests
def get(i):
print(time.strftime('%X'), 'start', i)
resp = requests.get('http://127.0.0.1:5000/')
print(time.strftime('%X'), 'end', i)
start = time.perf_counter()
for i in range(4):
threading.Thread(target=get, args=(i,)).start()
print(f'total {time.perf_counter() - start:.2f}s ')
在
./async_test
目录下运行
python 1_threading_requests.py
09:23:19 start 0
09:23:19 start 1
09:23:19 start 2
09:23:19 start 3
09:23:21 end 2
09:23:21 end 0
09:23:21 end 3
09:23:21 end 1
发现使用多线程的写法是能够并发请求的。
2.async + requests
在
2_async_requests.py
文件中添加如下代码
## 2_async_requests.py ##
import time
import asyncio
import requests
async def get(i):
print(time.strftime('%X'), 'start', i)
resp = requests.get('http://127.0.0.1:5000/')
print(time.strftime('%X'), 'end', i)
async def main():
for i in range(4):
asyncio.create_task(get(i))
asyncio.run(main())
在
./async_test
目录下运行
python 2_async_requests.py
09:27:11 start 0
09:27:13 end 0
09:27:13 start 1
09:27:15 end 1
09:27:15 start 2
09:27:17 end 2
09:27:17 start 3
09:27:19 end 3
发现
async+requests
的写法，代码是顺序执行的，异步并没有起到效果
于是将
get(i)
函数用aiohttp重写
3.async + aiohttp
在
3_async_aiohttp.py
文件中添加如下代码
## 3_async_aiohttp.py ##
import time
import asyncio
import aiohttp
import requests
async def get(i):
print(time.strftime('%X'), 'start', i)
async with aiohttp.ClientSession() as session:
async with session.get('http://127.0.0.1:5000/') as response:
html = await response.text()
print(time.strftime('%X'), 'end', i)
async def main():
tasks = [asyncio.create_task(get(i)) for i in range(4)]
await asyncio.gather(*tasks)
asyncio.run(main())
在
./async_test
目录下运行
python 3_async_aiohttp.py
09:37:43 start 0
09:37:43 start 1
09:37:43 start 2
09:37:43 start 3
09:37:45 end 0
09:37:45 end 2
09:37:45 end 3
09:37:45 end 1
发现代码成功异步执行了，总耗时只有两秒
说明python的协程语法需要配合异步python库才会生效。