zoukankan      html  css  js  c++  java
  • Python3爬虫(十二) 爬虫性能

     Infi-chu:

    http://www.cnblogs.com/Infi-chu/

    一、简单的循环串行
    一个一个循环,耗时是最长的,是所有的时间综合

    import requests
    url_list = [
        'http://www.baidu.com',
        'http://www.pythonsite.com',
        'http://www.cnblogs.com/'
    ]
    
    for url in url_list:
        result = requests.get(url)
        print(result.text)
    

    二、通过线程池
    整体耗时是所有连接里耗时最久的那个,相对于循环来说快了不少

    import requests
    from concurrent.futures import ThreadPoolExecutor
    
    def fetch_request(url):
        result = requests.get(url)
        print(result.text)
    
    url_list = [
        'http://www.baidu.com',
        'http://www.bing.com',
        'http://www.cnblogs.com/'
    ]
    pool = ThreadPoolExecutor(10)
    
    for url in url_list:
        #去线程池中获取一个线程,线程去执行fetch_request方法
        pool.submit(fetch_request,url)
    
    pool.shutdown(True)
    

    三、线程池+回调函数
    定义了一个回调函数

    from concurrent.futures import ThreadPoolExecutor
    import requests
    
    
    def fetch_async(url):
        response = requests.get(url)
    
        return response
    
    
    def callback(future):
        print(future.result().text)
    
    
    url_list = [
        'http://www.baidu.com',
        'http://www.bing.com',
        'http://www.cnblogs.com/'
    ]
    
    pool = ThreadPoolExecutor(5)
    
    for url in url_list:
        v = pool.submit(fetch_async,url)
        #这里调用回调函数
        v.add_done_callback(callback)
    
    pool.shutdown()
    

    四、通过进程池
    进程池的方式访问,同样的也是取决于耗时最长的,但是相对于线程来说,进程需要耗费更多的资源,同时这里是访问url时IO操作,所以这里线程池比进程池更好

    import requests
    from concurrent.futures import ProcessPoolExecutor
    
    def fetch_request(url):
        result = requests.get(url)
        print(result.text)
    
    url_list = [
        'http://www.baidu.com',
        'http://www.bing.com',
        'http://www.cnblogs.com/'
    ]
    pool = ProcessPoolExecutor(10)
    
    for url in url_list:
        #去进程池中获取一个线程,子进程程去执行fetch_request方法
        pool.submit(fetch_request,url)
    
    pool.shutdown(True)
    

    五、进程池+回调函数
    这种方式和线程+回调函数的效果是一样的,相对来说开进程比开线程浪费资源

    from concurrent.futures import ProcessPoolExecutor
    import requests
    
    
    def fetch_async(url):
        response = requests.get(url)
    
        return response
    
    
    def callback(future):
        print(future.result().text)
    
    
    url_list = [
        'http://www.baidu.com',
        'http://www.bing.com',
        'http://www.cnblogs.com/'
    ]
    
    pool = ProcessPoolExecutor(5)
    
    for url in url_list:
        v = pool.submit(fetch_async, url)
        # 这里调用回调函数
        v.add_done_callback(callback)
    
    pool.shutdown()
    
  • 相关阅读:
    重拾web开发JavaScript复习
    Linq GroupBy
    Gotchas 31对目标类型为指涉物为常量的指针类型的类型转换的认识误区
    感谢你遇到的问题
    IDisposable模式的一点理解
    感谢你遇到的问题(2)
    .Net通过OutLook发送邮件,附件的名称太长会显示乱码
    深度学习利器之自动微分(1)
    建议转载的发在文章(Aticles)而不是随笔(Posts)内
    Forum,ForumGroup和my forum的汉译
  • 原文地址:https://www.cnblogs.com/Infi-chu/p/8985445.html
Copyright © 2011-2022 走看看