Python編程異步爬蟲之a(chǎn)iohttp模塊的基本用法

更新時間：2024年03月29日 10:55:18 作者：Bruce_Liuxiaowei

aiohttp?模塊是一個基于?asyncio?的?HTTP?客戶端和服務(wù)器框架,可以用于異步處理?HTTP?請求和響應(yīng),這篇文章給大家介紹Python編程異步爬蟲之a(chǎn)iohttp模塊的基本用法,感興趣的朋友一起看看吧

異步爬蟲—aiohttp的使用

基本介紹

asyncio模塊其內(nèi)部實現(xiàn)了對TCP、UDP、SSL協(xié)議的異步操作，但是對于HTTP請求來說，就需要用aiohttp實現(xiàn)了。

aiohttp是一個基于asyncio的異步HTTP網(wǎng)絡(luò)模塊，它既提供了服務(wù)端，又提供了客戶端。requests發(fā)起的是同步網(wǎng)絡(luò)請求，aiohttp則是異步。 aiohttp 模塊是一個基于 asyncio 的 HTTP 客戶端和服務(wù)器框架，可以用于異步處理 HTTP 請求和響應(yīng)。以下是一個簡單的示例代碼展示 aiohttp 模塊的基本用法：

首先，你需要安裝 aiohttp 模塊：

pip install aiohttp

基本示例

接下來，以下是一個簡單的示例代碼，演示了如何使用 aiohttp 發(fā)送一個簡單的 GET 請求并獲取響應(yīng)：

import aiohttp
import asyncio

async def fetch(session, url):
    async with session.get(url) as response:
        return await response.text(), response.status

async def main():
    async with aiohttp.ClientSession() as session:
        html, status = await fetch(session, 'https://cuiqingcai.com')
        print(f'html:{html[:100]}....')
        print(f'status: {status}')

if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    loop.run_until_complete(main())
    
  
 運行結(jié)果如下：
 html:<!DOCTYPE html>
<html lang="zh-CN">

<head>
  <meta charset="UTF-8">
  <meta name="viewport" content....
status: 200

在這個示例中，我們定義了一個 fetch 函數(shù)來發(fā)送 GET 請求并返回響應(yīng)文本，然后使用 main 函數(shù)調(diào)用 fetch 函數(shù)。最后，創(chuàng)建事件循環(huán)并運行主函數(shù)。

由于網(wǎng)頁源碼過長，這里只截取了輸出的一部分，可以看到，成功獲取了網(wǎng)頁的源代碼及響應(yīng)狀態(tài)碼200，成功使用aiohttp通過異步方式完成了網(wǎng)頁爬取。當(dāng)然，這個操作用requests也可以做到。

URL參數(shù)設(shè)置

對于URL參數(shù)的設(shè)置，可以借助params參數(shù)，傳入一個字典即可，示例如下：

import aiohttp
import asyncio
async def main():
    params = {'name': 'germey', 'age':25}
    async with aiohttp.ClientSession() as session:
        async with session.get('https://www.httpbin.org/get', params=params) as response:
            print(await response.text())
if __name__ == '__main__':
    asyncio.get_event_loop().run_until_complete(main())
  運行結(jié)果如下：
  {
  "args": {
    "age": "25", 
    "name": "germey"
  }, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Host": "www.httpbin.org", 
    "User-Agent": "Python/3.9 aiohttp/3.8.3", 
    "X-Amzn-Trace-Id": "Root=1-65ffa6c9-6d501fa57391d9fc1d7b5f28"
  }, 
  "origin": "58.21.224.175", 
  "url": "https://www.httpbin.org/get?name=germey&age=25"
}

這里看到，實際請求的URL為https://www.httpbin.org/get?name=germey&age=25，其中的參數(shù)對應(yīng)于params的內(nèi)容。

其他請求類型

aiohttp還支持其他請求類型，如POST、PUT、DELETE等，這和requests的使用方式有點類似，示例如下：

session.post('http://www.httpbin.org/post', data=b'data')
session.put('http://www.httpbin.org/put', data=b'data')
session.delete('http://www.httpbin.org/delete')
session.head('http://www.httpbin.org/get')
session.options('http://www.httpbin.org/get')
session.patch('http://www.httpbin.org/patch', data=b'data')

POST請求

當(dāng)使用 aiohttp 模塊時，除了發(fā)送簡單的 GET 請求之外，你還可以處理 POST 請求、設(shè)置請求頭、處理異常等。以下是一個稍微復(fù)雜一點的示例代碼，展示了如何發(fā)送 POST 請求并處理異常：

import aiohttp
import asyncio
async def main():
    data = {'name': 'germey', 'age':25}
    async with aiohttp.ClientSession() as session:
        async with session.post('https://www.httpbin.org/post', data=data) as response:
            print(await response.text())
if __name__ == '__main__':
    asyncio.get_event_loop().run_until_complete(main())
   運行結(jié)果如下：
   {
  "args": {}, 
  "data": "", 
  "files": {}, 
  "form": {
    "age": "25", 
    "name": "germey"
  }, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Content-Length": "18", 
    "Content-Type": "application/x-www-form-urlencoded", 
    "Host": "www.httpbin.org", 
    "User-Agent": "Python/3.9 aiohttp/3.8.3", 
    "X-Amzn-Trace-Id": "Root=1-65ffabc5-3bbf3cdb7cb413a3475ece45"
  }, 
  "json": null, 
  "origin": "58.21.224.175", 
  "url": "https://www.httpbin.org/post"
}

在上面的示例中，我們定義了一個 fetch 函數(shù)來發(fā)送一個包含 JSON 數(shù)據(jù)的 POST 請求，并在發(fā)生異常時進行處理。在 main 函數(shù)中調(diào)用 fetch 函數(shù)，并根據(jù)返回的狀態(tài)碼和響應(yīng)文本輸出相應(yīng)信息。

通過這個示例，你可以進一步了解如何使用 aiohttp 模塊處理 POST 請求和異常情況。你可以根據(jù)自己的需求進行進一步的定制和擴展。希望這能幫助你更深入地理解 aiohttp 模塊的用法。

對于POST J SON數(shù)據(jù)提交，其對應(yīng)的請求頭中的Content-Type為application/json，我們只需將post方法里的data參數(shù)改成json即可，實例代碼如下：

import json
import aiohttp
import asyncio
async def main():
    data = {'name': 'germey', 'age': 25}
    async with aiohttp.ClientSession() as session:
        async with session.post('https://www.httpbin.org/post', json=data) as response:
            print(await response.text())
if __name__ == '__main__':
    print(asyncio.get_event_loop().run_until_complete(main()))
運行結(jié)果如下：
    {
  "args": {}, 
  "data": "{\"name\": \"germey\", \"age\": 25}", 
  "files": {}, 
  "form": {}, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Content-Length": "29", 
    "Content-Type": "application/json", 
    "Host": "www.httpbin.org", 
    "User-Agent": "Python/3.9 aiohttp/3.8.4", 
    "X-Amzn-Trace-Id": "Root=1-65ffc207-7d035c6f2b342778797881c9"
  }, 
  "json": {
    "age": 25, 
    "name": "germey"
  }, 
  "origin": "58.21.224.175", 
  "url": "https://www.httpbin.org/post"
}

響應(yīng)

我們可以用如下方法分別獲取其中的狀態(tài)碼、響應(yīng)頭、響應(yīng)體、響應(yīng)體二進制內(nèi)容、響應(yīng)體JSON結(jié)果，實例代碼如下：

import aiohttp
import asyncio
async def main():
    data = {'name': 'germey', 'age': 25}
    async with aiohttp.ClientSession() as session:
        async with session.post('https://www.httpbin.org/post', data=data) as response:
            print('status:', response.status)
            print('headers:', response.headers)
            print('body:', await response.text())
            print('bytes:', await response.read())
            print('json:', await response.json())
if __name__ == '__main__':
    asyncio.get_event_loop().run_until_complete(main())
運行結(jié)果如下：
status: 200
headers: <CIMultiDictProxy('Date': 'Sun, 24 Mar 2024 06:34:54 GMT', 'Content-Type': 'application/json', 'Content-Length': '510', 'Connection': 'keep-alive', 'Server': 'gunicorn/19.9.0', 'Access-Control-Allow-Origin': '*', 'Access-Control-Allow-Credentials': 'true')>
body: {
  "args": {}, 
  "data": "", 
  "files": {}, 
  "form": {
    "age": "25", 
    "name": "germey"
  }, 
  "headers": {
    "Accept": "*/*", 
    "Accept-Encoding": "gzip, deflate", 
    "Content-Length": "18", 
    "Content-Type": "application/x-www-form-urlencoded", 
    "Host": "www.httpbin.org", 
    "User-Agent": "Python/3.9 aiohttp/3.8.4", 
    "X-Amzn-Trace-Id": "Root=1-65ffc98e-153aad5f0e536d773cd978b4"
  }, 
  "json": null, 
  "origin": "58.21.224.175", 
  "url": "https://www.httpbin.org/post"
}
bytes: b'{\n  "args": {}, \n  "data": "", \n  "files": {}, \n  "form": {\n    "age": "25", \n    "name": "germey"\n  }, \n  "headers": {\n    "Accept": "*/*", \n    "Accept-Encoding": "gzip, deflate", \n    "Content-Length": "18", \n    "Content-Type": "application/x-www-form-urlencoded", \n    "Host": "www.httpbin.org", \n    "User-Agent": "Python/3.9 aiohttp/3.8.4", \n    "X-Amzn-Trace-Id": "Root=1-65ffc98e-153aad5f0e536d773cd978b4"\n  }, \n  "json": null, \n  "origin": "58.21.224.175", \n  "url": "https://www.httpbin.org/post"\n}\n'
json: {'args': {}, 'data': '', 'files': {}, 'form': {'age': '25', 'name': 'germey'}, 'headers': {'Accept': '*/*', 'Accept-Encoding': 'gzip, deflate', 'Content-Length': '18', 'Content-Type': 'application/x-www-form-urlencoded', 'Host': 'www.httpbin.org', 'User-Agent': 'Python/3.9 aiohttp/3.8.4', 'X-Amzn-Trace-Id': 'Root=1-65ffc98e-153aad5f0e536d773cd978b4'}, 'json': None, 'origin': '58.21.224.175', 'url': 'https://www.httpbin.org/post'}

可以看到，有些字段前需要加await，有些則不需要。其原則是，如果返回一個協(xié)程對象（如async修飾的方法），那么前面就要加await，具體可以看aiohttp的API，鏈接為https://docs.aiohttp.org/en/stable/client_reference.html。

超時設(shè)置

我們可以借助ClientTimeout對象設(shè)置超時，例如要設(shè)置1秒的超時時間，可以這么實現(xiàn)：

import asyncio
import aiohttp
async def main():
    timeout = aiohttp.ClientTimeout(total=2)
    async with aiohttp.ClientSession(timeout=timeout) as session:
        async with session.get('https://www.httpbin.org/get') as response:
            print('status:', response.status)
if __name__ == '__main__':
    asyncio.get_event_loop().run_until_complete(main())
運行結(jié)果如下：
200

并發(fā)限制

由于aiohttp可以支持非常高的并發(fā)量，目標網(wǎng)站可能無法在短時間內(nèi)響應(yīng)，而且有瞬間將目標網(wǎng)站爬掛掉的危險。

一般情況下，可以借助asyncio的Semaphore來控制并發(fā)量，示例代碼如下：

import asyncio
import aiohttp
CONCURRENCY = 5
URL = 'https://www.baidu.com'
semaphore = asyncio.Semaphore(CONCURRENCY)
# session = None
async def scrape_api():
    async with semaphore:
        print('scraping',URL)
        async with session.get(URL) as response:
            await asyncio.sleep(1)
            return await response.text()
async def main():
    global session
    session = aiohttp.ClientSession()
    scrape_index_tasks = [asyncio.ensure_future(scrape_api()) for _ in range(100000)]
    await asyncio.gather(*scrape_index_tasks)
if __name__ == '__main__':
    asyncio.get_event_loop().run_until_complete(main())\
運行結(jié)果：
scraping https://www.baidu.com
scraping https://www.baidu.com
scraping https://www.baidu.com
scraping https://www.baidu.com
scraping https://www.baidu.com
....

這里我們聲明CONCURRENCY（代表爬取的最大并發(fā)量）為5，同時聲明爬取的目標URL為百度。接著，借助Semaphore創(chuàng)建了一個信號量對象，將其賦值為semaphore，這樣就可以用它來控制最大并發(fā)量了。這里我們把semaphore直接放置在了對應(yīng)的爬取方法里，使用async with語句將semaphore作為上下文對象即可。信號量便可以控制進入爬取的最大協(xié)程數(shù)量，即我們聲明的CONCURRENCY的值。在main方法里，我們聲明10 000個task，將其傳遞給gather方法運行，倘若不加以限制，那這10000個task會被同時執(zhí)行，并發(fā)數(shù)量相當(dāng)大。有了信號量的控制后，同時運行的task數(shù)量最大會被控制5個，這樣就能給aiohttp限制速度了。

到此這篇關(guān)于Python編程異步爬蟲之a(chǎn)iohttp模塊的基本用法的文章就介紹到這了,更多相關(guān)Python aiohttp使用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: