python-25-协程异步aiohttp爬取数据

以下是一个基于Python 3的多协程以及队列爬取时光网电视剧top100的示例代码： ```python import requests from bs4 import BeautifulSoup import asyncio import aiohttp import time from queue import Queue async def fetch(session, url): async with session.get(url) as response: return await response.text() async def parse(html): soup = BeautifulSoup(html, 'html.parser') for item in soup.select('div[class="mov_con"] ul li'): rank = item.find('span', class_='top_num').text name = item.find('span', class_='mov_title').text score = item.find('span', class_='total_score').text print(rank, name, score) async def worker(session, queue): while not queue.empty(): url = queue.get() html = await fetch(session, url) await parse(html) async def main(): urls = [f'http://www.mtime.com/top/tv/top100/index-{i+1}.html' for i in range(10)] queue = Queue() for url in urls: queue.put(url) async with aiohttp.ClientSession() as session: tasks = [asyncio.create_task(worker(session, queue)) for _ in range(10)] await asyncio.gather(*tasks) if __name__ == '__main__': start_time = time.time() asyncio.run(main()) end_time = time.time() print(f'Time used: {end_time - start_time} seconds') ``` 这段代码使用了Python的asyncio库和aiohttp库来实现多协程异步爬取网页，使用了Python的queue模块来实现任务队列。首先，我们定义了`fetch`函数来异步获取网页内容，其返回值为响应的文本内容。然后，我们定义了`parse`函数来解析网页内容，提取出电视剧的排名、名称和评分，并输出到控制台。接着，我们定义了`worker`函数来作为协程的工作函数，从任务队列中取出一个URL并异步地解析该URL对应的网页。最后，我们定义了`main`函数来创建任务队列，创建异步协程，以及启动异步任务。在`main`函数中，我们先创建了10个URL，然后将这些URL放入任务队列中。接着，我们使用`async with`语句创建一个异步会话，并使用`create_task`函数创建10个异步协程，每个协程都调用`worker`函数，从任务队列中取出一个URL，并异步地解析对应的网页。最后，我们使用`asyncio.gather`函数等待所有的异步协程执行完毕。在程序执行结束后，我们还输出了程序的执行时间。 需要注意的是，由于时光网在一定时间内会对IP进行限制，如果爬虫速度过快可能会被封禁IP，因此我们在程序中设置了一个1秒钟的延时，以避免被封禁。如果您需要更高的爬取速度，请自行调整代码。