python实现并发获取html的几种方式
1.线程池
from concurrent.futures import ThreadPoolExecutor
import requests
from fake_useragent import UserAgent
def task(url):
res = requests.get(url,
headers={"User-Agent": UserAgent().chrome})
print(f"{url}--{res}")
url_list = ["http://www.baidu.com",
"http://www.acfun.cn",
"http://www.bilibili.com",
"http://www.zhihu.com",
"http://www.douban.com"]
executor = ThreadPoolExecutor(max_workers=3)
tasks = [executor.submit(task, url) for url in url_list]
executor.shutdown(wait=True)
2.asyncio+aiohttp
import asyncio
import aiohttp
async def task(url):
async with aiohttp.request("GET", url) as response:
res = await response.text()
print(res)
url_list = ["http://www.baidu.com",
"http://www.acfun.cn",
"http://www.bilibili.com",
"http://www.zhihu.com",
"http://www.douban.com"]
tasks = [task(url) for url in url_list]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
3.gevent
from gevent import monkey
monkey.patch_all()
import gevent
from fake_useragent import UserAgent
import requests
def task(url):
res = requests.get(url,
headers={"User-Agent": UserAgent().chrome})
res.encoding = res.apparent_encoding
print(f"{url}--{res.text}")
url_list = ["http://www.baidu.com",
"http://www.acfun.cn",
"http://www.bilibili.com",
"http://www.zhihu.com",
"http://www.douban.com"]
gevent.joinall([gevent.spawn(task, url) for url in url_list])
4.tornado
from tornado.httpclient import AsyncHTTPClient
from tornado.httpclient import HTTPRequest
from tornado import ioloop
from functools import partial
from fake_useragent import UserAgent
count = None
def handler_response(response):
global count
count -= 1
if response.error:
print("error")
else:
print(response.effective_url)
if count == 0:
ioloop.IOLoop.current().stop()
def func(url_list):
global count
count = len(url_list)
for url in url_list:
client = AsyncHTTPClient()
client.fetch(HTTPRequest(url, headers={"User-Agent": UserAgent().chrome}), callback=handler_response)
url_list = ["http://www.baidu.com",
"http://www.acfun.cn",
"http://www.bilibili.com",
"http://www.zhihu.com",
"http://www.douban.com"]
ioloop.IOLoop.current().run_sync(partial(func, url_list))
ioloop.IOLoop.current().start()
5. twisted
from twisted.internet import reactor # 事件循环(终止条件,所有的socket都已经移除)
from twisted.internet import defer # defer.Deferred 特殊的socket对象(不发请求,手动移除)
from twisted.web.client import getPage # 用于创建socket对象(下载完成,自动从事件循环中移除)
from fake_useragent import UserAgent
# 1. 利用getPage创建socket
# 2. 将socket添加到事件循环
# 3. 开始事件循环(内部发送请求,并接受相应。当所有的socket请求完成之后,终止事件循环)
@defer.inlineCallbacks # 添加到事件循环
def task(url):
# 创建socket,注意url要转换成字节。headers中的"User-Agent"也要是字节
d = getPage(bytes(url, encoding="utf-8"), headers={b"User-Agent": UserAgent().chrome})
# 获取到的html页面会自动传到response函数的第一个参数里面
d.addCallback(response)
yield d
def response(content):
print(str(content, encoding="utf-8"))
def done(*args):
reactor.stop()
url_list = ["http://www.baidu.com",
"http://www.acfun.cn",
"http://www.bilibili.com",
"http://www.zhihu.com",
"http://www.douban.com"]
defer_list = []
for url in url_list:
t = task(url)
defer_list.append(t)
# 监听defer_list里面的任务是否执行完毕
d = defer.DeferredList(defer_list)
#如果执行完毕,执行对应的回调函数
d.addBoth(done)
# 启动事件循环
reactor.run()
python实现并发获取html的几种方式的更多相关文章
- 获取Type的三种方式
using System;using UnityEngine; public class Type_Test : MonoBehaviour{ private void Awake() { ...
- java动态获取WebService的两种方式(复杂参数类型)
java动态获取WebService的两种方式(复杂参数类型) 第一种: @Override public OrderSearchListRes searchOrderList(Order_Fligh ...
- AngularJS中获取数据源的几种方式
在AngularJS中,可以从$rootScope中获取数据源,也可以把获取数据的逻辑封装在service中,然后注入到app.run函数中,或者注入到controller中.本篇就来整理获取数据的几 ...
- java 获取时间戳的三种方式
java 获取时间戳的三种方式 CreationTime--2018年7月13日16点29分 Author:Marydon 1.实现方式 方式一:推荐使用 System.currentTimeMi ...
- 【Struts2】Struts2获取session的三种方式
1.Map<String,Object> map = ActionContext.getContext().getSession(); 2.HttpSession session = S ...
- js获取时间戳的三种方式
js获取时间戳的三种方式 CreateTime--2018年5月23日08:44:10 Author:Marydon // 方式一:推荐使用 var timestamp=new Date().ge ...
- Struts2(四.注册时检查用户名是否存在及Action获取数据的三种方式)
一.功能 1.用户注册页面 <%@ page language="java" contentType="text/html; charset=UTF-8" ...
- HTTP获取信息的四种方式
HTTP 从网络获取信息的四种方式 GET GET指代你在浏览器中输入网址,浏览网站时做的事.例如,我们使用 http://www.baidu.com 的时候,可以将GET想象成他说:"hi ...
- SpringMVC获取参数的几种方式
前言: 年末了,忙了一年了却发现系统的整理的东西很少,一些基础的东西都未做整理,这里就将它随便整理一下,增加一些印象,当然在网上看到一些好的资料也会整理下来以备后用.今天整理一下springMVC获取 ...
随机推荐
- TP-常见错误1
1.无法加载模块 FILE: D:\wamp64\www\www.test_shop.com\ThinkPHP\Library\Think\Dispatcher.class.php LINE: 178 ...
- python time时间模块
在Python中,通常有这三种方式来表示时间:时间戳.元组(struct_time).格式化的时间字符串 (1)时间戳(timestamp) :通常来说,时间戳表示的是从1970年1月1日00:00: ...
- 多路复用IO模板
服务端 from socket import * import select server = socket(AF_INET, SOCK_STREAM) server.bind(('127.0.0.1 ...
- 4 . GET方法实现文章分类
复习:博客站点 <!DOCTYPE html> {% load staticfiles %} <html> <head> <meta charset=&quo ...
- border与background定位
1.background定位的局限 只能相对于左上角数值定位,不能相对于右下 即background-position默认相对于左上方定位的 2.怎样让图片相对于右下角? background-pos ...
- TerminateProcess
Remarks The TerminateProcess function is used to unconditionally cause a process to exit. The state ...
- shell判断文件是否存在[转]
原文出处: http://canofy.iteye.com/blog/252289 shell判断文件,目录是否存在或者具有权限 #!/bin/sh myPath="/var/log/htt ...
- SecureCRT自动登录跳板机/堡垒机并连接目标机器
公司登录目标服务器,需要先登录跳板机(堡垒机),然后再登录目标机器,一共需要4.5步. MAC或LINUX机器可以写.SH脚本,那WINDOWS有没有一键登陆的方法呢? 常用的SecureCRT工具就 ...
- diskimage-builder-command
yum -y install python-virtualenv.noarch virtualenv ~/dib-virtualenv . ~/dib-virtualenv/bin/activate ...
- JavaScript里面的面向对象
1.JavaScript里面没有类,但是利用函数可以起到类似的作用,例如简单的构造方法,跟Python差别不大 function f1(mame,age){ this.Name = name; thi ...