单线程+异步协程的简单爬虫模型

event_loop：事件循环，相当于一个无限循环(不清楚循环多少次)，我们可以把一些特殊函数注册（放置）到这个事件循环上，当满足某些条件的时候，函数就会被循环执行。程序是按照设定的顺序从头执行到尾，运行的次数也是完全按照设定。当在编写异步程序时，必然其中有部分程序的运行耗时是比较久的，需要先让出当前程序的控制权，让其在背后(挂起)运行，让另一部分的程序先运行起来。当背后运行的程序完成后，也需要及时通知主程序已经完成任务可以进行下一步操作，但这个过程所需的时间是不确定的，需要主程序不断的监听状态，一旦收到了任务完成的消息，就开始进行下一步。loop就是这个持续不断的监视器。

coroutine：中文翻译叫协程，在 Python 中常指代为协程对象类型，我们可以将协程对象注册到事件循环中，
它会被事件循环调用。我们可以使用 async 关键字来定义一个方法，这个方法在调用时不会立即被执行，
而是返回一个协程对象。

task：任务，它是对协程对象的进一步封装，包含了任务的各个状态。

future：代表将来执行或还没有执行的任务，实际上和 task 没有本质区别。

另外我们还需要了解 async/await 关键字，它是从 Python 3.6 才出现的，专门用于定义协程。其中，async 定义一个协程，await 用来挂起阻塞方法的执行。

import asyncio
async def request(url):
    print('正在请求：',url)
    print('下载成功:',url)

c = request('www.baidu.com')

# 第一步:实例化一个事件循环对象
loop = asyncio.get_event_loop()
# 第二步:创建一个任务对象,将协程对象封装到了该对象中
# task = loop.create_task(c)

# 另一种形式实例化任务对象的方法   
task = asyncio.ensure_future(c)

#将协程对象注册到事件循环对象中，并且我们需要启动事件循环对象
loop.run_until_complete(task)
# 打印task可以看到任务对象状态
print(task)

绑定回调函数,在爬虫中必须用回调函数,因为在数据爬取下来后,用回调函数可以进行数据解析

import asyncio

async def request(url):
    print('正在请求：',url)
    print('下载成功:',url)
    return url

#回调函数必须有一个参数：task
#task.result():任务对象中封装的协程对象对应的特殊函数内部的返回值
def callbak(task):
    print('this is callback!')
    print(task.result())

c = request('www.baidu.com')

#给任务对象绑定一个回调函数
#  创建任务对象
task = asyncio.ensure_future(c)
# 绑定回调函数
task.add_done_callback(callbak)

# 注册到时间循环中
loop = asyncio.get_event_loop()

loop.run_until_complete(task)

多任务异步协程

from time import sleep
import asyncio
import time
urls = ['www.baidu.com','www.sogou.com','www.goubanjia.com']
start = time.time()
async def request(url):
    print('正在请求：',url)
    #在多任务异步协程实现中，不可以出现不支持异步的相关代码。
    # sleep(2)
    await asyncio.sleep(2)
    print('下载成功:',url)

loop = asyncio.get_event_loop()
#任务列表：放置多个任务对象
tasks = []
for url in urls:
    c = request(url)
    task = asyncio.ensure_future(c)
    tasks.append(task)

loop.run_until_complete(asyncio.wait(tasks))

print(time.time()-start)

单线程+多任务异步

# 面试问题,如何提升爬取效率
# 使用方向:数据量大,数据占内存大
#aiohttp:支持异步的一个基于网络请求的模块
# 和requests模块功能应用都一样,区别就是支持异步
# pip install aiohttp

import requests
import asyncio
import time
import aiohttp
#单线程+多任务异步协程
urls = [
    'http://127.0.0.1:5000/jay',
    'http://127.0.0.1:5000/bobo',
    'http://127.0.0.1:5000/tom'
]
# 异步效果,遇到阻塞,挂起阻塞,执行别的任务
#代理操作：
#async with await s.get(url,proxy="http://ip:port") as response:
async def get_pageText(url):
    # 请求对象,with不关闭资源,
   async with aiohttp.ClientSession() as s:
      async with await s.get(url) as response:
          # 拿响应数据有可能阻塞所以需要await, 这里是text方法,request是text方法
           page_text = await response.text()
            # 借助于回调函数进行响应数据的解析操作
           return page_text
#封装回调函数用于数据解析
def parse(task):
    #1.获取响应数据
    page_text = task.result()
    print(page_text+',即将进行数据解析！！！')
    #解析操作写在该位置

start = time.time()
tasks = []
for url in urls:
    c = get_pageText(url)
    task = asyncio.ensure_future(c)
    #给任务对象绑定回调函数用于数据解析
    task.add_done_callback(parse)
    tasks.append(task)
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))

print(time.time()-start)