Go语言实现 并发爬虫 也是杠杆的
最近在学习Golang,所以将学习过程记为笔记,以后翻阅的时候也方便,顺便也给大家做一点分享,希望能坚持下去。
学习与交流:
现在就开始你的Go语言学习之旅吧!人生苦短,let’s Go.
在很多生产环境中,我们都是用python爬虫的。python实现多线程也是很简单的。而这次我们可以试试新玩法,试试go语言的并发爬虫。
主要是爬取第一页的商品,爬取十次,比较单线程和多线程的时间。
单线程爬虫
定义一个用户
var Client http.Client
主函数
func main() {
url := "http://localhost:3000/api/v1/products"
start := time.Now()
for i := 0; i < 10; i++ {
Spider(url, i)
}
elapsed := time.Since(start)
fmt.Printf("Time %s", elapsed)
}
爬取函数
func Spider(url string, i int) {
reqSpider, err := http.NewRequest("GET", url, nil)
if err != nil {
log.Fatal(err)
}
reqSpider.Header.Set("content-length", "0")
reqSpider.Header.Set("accept", "*/*")
reqSpider.Header.Set("x-requested-with", "XMLHttpRequest")
respSpider, err := Client.Do(reqSpider)
if err != nil {
log.Fatal(err)
}
bodyText, _ := ioutil.ReadAll(respSpider.Body)
var result Result
_ = json.Unmarshal(bodyText, &result)
fmt.Println(i,result.Data)
}
运行时间为:651.8207ms
2. 多线程爬虫
2.1 channel main函数
我们构造一个无缓冲的通道,来阻塞主进程,等待子进程的执行。
func main() {
url := "http://localhost:3000/api/v1/products"
ch := make(chan bool)
start := time.Now()
for i := 0; i < 10; i++ {
go Spider(url, ch, i)
}
for i := 0; i < 10; i++ {
<-ch
}
elapsed := time.Since(start)
fmt.Printf("Time %s", elapsed)
}
最后记得在爬虫的结束的时候,把值写入到通道中,不然会一直阻塞主进程
在这里插入图片描述
运行时间:187.7921ms 比之前快了非常多。
2.2 sync.WaitGroup
定义一个进程组并加10个进程
var wg sync.WaitGroup
wg.Add(10)
开辟十个goruntime
for i := 0; i < 10; i++ {
go func(i int) {
defer wg.Done()
SpiderWaitGroup(url,i)
}(i)
}
阻塞主进程
wg.Wait()
结果:64.5246ms
NormalStart(url) // 单线程爬虫
ChannelStart(url) // Channel多线程爬虫
WaitGroupStart(url) // Wait 多线程爬虫
其实多线程的两种都差不多的,只是有时候会因为机器的原因而导致一些误差。