Python爬虫技术--基础篇--异步IO（下）

1.asyncio

​​asyncio​​是Python 3.4版本引入的标准库，直接内置了对异步IO的支持。

​​asyncio​​​的编程模型就是一个消息循环。我们从​​asyncio​​​模块中直接获取一个​​EventLoop​​​的引用，然后把需要执行的协程扔到​​EventLoop​​中执行，就实现了异步IO。

用​​asyncio​​​实现​​Hello world​​代码如下：

import asyncio

@asyncio.coroutine
def hello():
print("Hello world!")
# 异步调用asyncio.sleep(1):
r = yield from asyncio.sleep(1)
print("Hello again!")

# 获取EventLoop:
loop = asyncio.get_event_loop()
# 执行coroutine
loop.run_until_complete(hello())
loop.close()

​​@asyncio.coroutine​​​把一个generator标记为coroutine类型，然后，我们就把这个​​coroutine​​​扔到​​EventLoop​​中执行。

​​hello()​​​会首先打印出​​Hello world!​​​，然后，​​yield from​​​语法可以让我们方便地调用另一个​​generator​​​。由于​​asyncio.sleep()​​​也是一个​​coroutine​​​，所以线程不会等待​​asyncio.sleep()​​​，而是直接中断并执行下一个消息循环。当​​asyncio.sleep()​​​返回时，线程就可以从​​yield from​​​拿到返回值（此处是​​None​​），然后接着执行下一行语句。

把​​asyncio.sleep(1)​​​看成是一个耗时1秒的IO操作，在此期间，主线程并未等待，而是去执行​​EventLoop​​​中其他可以执行的​​coroutine​​了，因此可以实现并发执行。

我们用Task封装两个​​coroutine​​试试：

import threading
import asyncio

@asyncio.coroutine
def hello():
print('Hello world! (%s)' % threading.currentThread())
yield from asyncio.sleep(1)
print('Hello again! (%s)' % threading.currentThread())

loop = asyncio.get_event_loop()
tasks = [hello(), hello()]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()

观察执行过程：

Hello world! (<_MainThread(MainThread, started 140735195337472)>)
Hello world! (<_MainThread(MainThread, started 140735195337472)>)
(暂停约1秒)
Hello again! (<_MainThread(MainThread, started 140735195337472)>)
Hello again! (<_MainThread(MainThread, started 140735195337472)>)

由打印的当前线程名称可以看出，两个​​coroutine​​是由同一个线程并发执行的。

如果把​​asyncio.sleep()​​​换成真正的IO操作，则多个​​coroutine​​就可以由一个线程并发执行。

我们用​​asyncio​​的异步网络连接来获取sina、sohu和163的网站首页：

import asyncio

@asyncio.coroutine
def wget(host):
print('wget %s...' % host)
connect = asyncio.open_connection(host, 80)
reader, writer = yield from connect
header = 'GET / HTTP/1.0\r\nHost: %s\r\n\r\n' % host
writer.write(header.encode('utf-8'))
yield from writer.drain()
while True:
line = yield from reader.readline()
if line == b'\r\n':
break
print('%s header > %s' % (host, line.decode('utf-8').rstrip()))
# Ignore the body, close the socket
writer.close()

loop = asyncio.get_event_loop()
tasks = [wget(host) for host in ['www.sina.com.cn', 'www.sohu.com', 'www.163.com']]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()

执行结果如下：

wget www.sohu.com...
wget www.sina.com.cn...
wget www.163.com...
(等待一段时间)
(打印出sohu的header)
www.sohu.com header > HTTP/1.1 200 OK
www.sohu.com header > Content-Type: text/html
...
(打印出sina的header)
www.sina.com.cn header > HTTP/1.1 200 OK
www.sina.com.cn header > Date: Wed, 20 May 2015 04:56:33 GMT
...
(打印出163的header)
www.163.com header > HTTP/1.0 302 Moved Temporarily
www.163.com header > Server: Cdn Cache Server V2.0
...

可见3个连接由一个线程通过​​coroutine​​并发完成。

小结

​​asyncio​​提供了完善的异步IO支持；

异步操作需要在​​coroutine​​​中通过​​yield from​​完成；

多个​​coroutine​​可以封装成一组Task然后并发执行。

 

 

2.async/await

用​​asyncio​​​提供的​​@asyncio.coroutine​​​可以把一个generator标记为coroutine类型，然后在coroutine内部用​​yield from​​调用另一个coroutine实现异步操作。

为了简化并更好地标识异步IO，从Python 3.5开始引入了新的语法​​async​​​和​​await​​，可以让coroutine的代码更简洁易读。

请注意，​​async​​​和​​await​​是针对coroutine的新语法，要使用新的语法，只需要做两步简单的替换：

把​​@asyncio.coroutine​​​替换为​​async​​；

把​​yield from​​​替换为​​await​​。

让我们对比一下上一节的代码：

@asyncio.coroutine
def hello():
print("Hello world!")
r = yield from asyncio.sleep(1)
print("Hello again!")

用新语法重新编写如下：

async def hello():
print("Hello world!")
r = await asyncio.sleep(1)
print("Hello again!")

剩下的代码保持不变。

小结

Python从3.5版本开始为​​asyncio​​​提供了​​async​​​和​​await​​的新语法；

注意新语法只能用在Python 3.5以及后续版本，如果使用3.4版本，则仍需使用上一节的方案。

 

 

3.aiohttp

​​asyncio​​​可以实现单线程并发IO操作。如果仅用在客户端，发挥的威力不大。如果把​​asyncio​​​用在服务器端，例如Web服务器，由于HTTP连接就是IO操作，因此可以用单线程+​​coroutine​​实现多用户的高并发支持。

​​asyncio​​​实现了TCP、UDP、SSL等协议，​​aiohttp​​​则是基于​​asyncio​​实现的HTTP框架。

我们先安装​​aiohttp​​：

pip install aiohttp

然后编写一个HTTP服务器，分别处理以下URL：

• ​​/​​​ - 首页返回​​b'<h1>Index</h1>'​​；
• ​​/hello/{name}​​​ - 根据URL参数返回文本​​hello, %s!​​。

代码如下：

import asyncio

from aiohttp import web

async def index(request):
await asyncio.sleep(0.5)
return web.Response(body=b'Index')

async def hello(request):
await asyncio.sleep(0.5)
text = 'hello, %s!' % request.match_info['name']
return web.Response(body=text.encode('utf-8'))

async def init(loop):
app = web.Application(loop=loop)
app.router.add_route('GET', '/', index)
app.router.add_route('GET', '/hello/{name}', hello)
srv = await loop.create_server(app.make_handler(), '127.0.0.1', 8000)
print('Server started at http://127.0.0.1:8000...')
return srv

loop = asyncio.get_event_loop()
loop.run_until_complete(init(loop))
loop.run_forever()

注意​​aiohttp​​​的初始化函数​​init()​​​也是一个​​coroutine​​​，​​loop.create_server()​​​则利用​​asyncio​​创建TCP服务。