本文主要是介绍python爬虫控制aiohttp并发数量,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
前言
在使用aiohttp并发访问多个页面时效率,明显比串行requests快很多,但是也存在一个问题,就是网站检测到短时间内请求的数量过多会导致页面请求不成成功,页面返回429 (too many requests)。
解决上述问题目前想到两个方法:
1、控制请求的时间,用sleep延时,来消耗每一次访问的时间,减少单位时间内的访问量,这样肯定是可以,但效率太低
2、控制并发数量,控制并发数量,普遍推荐用信号量来控制使用方法也比较简单如下:
from asyncio import tasks
from aiohttp.client import ClientSession
from lxml import etree
from time import sleep
import time
import asyncio
import aiohttpasync def read_page_list(page_num,sem):params = {'page':page_num,}#通过连接池控制并发数量 limit 默认为100 0 为无限制async with sem:try:async with aiohttp.ClientSession() as session:async with session.get(url=url,params=params,headers=headers) as response:text = await response.text()except Exception as e:print('exception:',e)tree = etree.HTML(text)page_list = tree.xpath('//*[@id="thumbs"]/section[1]/ul/li')# breakfor li in page_list:pic_small_url = li.xpath('.//img/@data-src')[0]# print(pic_small_url,type(pic_small_url))# pic_small_url = str(pic_small_url)if 'small' in pic_small_url:temp_url = pic_small_url.replace('small','full')a = temp_url.rfind('/')temp_url1= temp_url[:a]pic_full_url = temp_url1+'/wallhaven-'+temp_url.split('/')[-1]pic_full_url = pic_full_url.replace('th','w')# print(page_num,pic_full_url)pic_list.append(pic_full_url)else:print(page_num,'find small error',pic_small_url)print(page_num,len(page_list),response.status)# await asyncio.sleep(1)#这里可以用硬延时来控制程序的访问速度,进而控制单位时间内并发的数量# sleep(0.5)#定义信号量
sem = asyncio.Semaphore(2)start = time.time()
#建立任务列表
tasks = [loop.create_task(read_page_list(i,sem)) for i in range(1,20)]
loop.run_until_complete(asyncio.wait(tasks))
print('get page list use time:',time.time()-start)
实验结果如下:
经试验只有当请求页面20个 sem=1时才不会出现服务器返回429.
当把请求页面数量改为10 sem=5是就不会出现服务返回429的情况
这篇关于python爬虫控制aiohttp并发数量的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!