异步爬虫python怎么写

python

小樊

2024-12-07 11:17:38

栏目: 编程语言

要编写一个异步爬虫，我们可以使用Python的aiohttp库和asyncio库。以下是一个简单的异步爬虫示例，用于抓取网站上的链接：

首先，确保安装了aiohttp库：

pip install aiohttp

然后，创建一个名为async_crawler.py的文件，并在其中编写以下代码：

import aiohttp
import asyncio
from bs4 import BeautifulSoup

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

async def parse(html):
    soup = BeautifulSoup(html, 'html.parser')
    links = []
    for link in soup.find_all('a'):
        href = link.get('href')
        if href and not href.startswith('#'):
            links.append(href)
    return links

async def main(urls):
    async with aiohttp.ClientSession() as session:
        tasks = [fetch(url, session) for url in urls]
        htmls = await asyncio.gather(*tasks)
        
        for html in htmls:
            links = await parse(html)
            print(links)

if __name__ == '__main__':
    urls = [
        'https://example.com',
        'https://example.org',
        'https://example.net'
    ]
    asyncio.run(main(urls))

在这个示例中，我们定义了三个异步函数：

fetch(url, session)：使用aiohttp库异步获取给定URL的HTML内容。
parse(html)：使用BeautifulSoup库解析HTML内容，并提取所有非锚点链接。
main(urls)：创建一个aiohttp.ClientSession，为给定的URL列表创建一个任务列表，等待所有任务完成，然后对每个URL调用parse()函数并打印结果。

要运行此示例，请在命令行中执行以下命令：

python async_crawler.py

请注意，这个示例仅用于抓取和解析链接，实际应用中可能需要根据需求进行更多的定制。

异步爬虫python怎么写

最新问答

相关标签