Go语言并发爬虫的具体实现

快乐的婷子

写在前面

1. 这篇文章主要让大家明白[code]多线程爬虫

复制代码

，因为go语言实现并发是很容易的。[/code]这次的服务端，是我们之前搭建的电子商城平台，所以我们不担心

1. ip被封

复制代码

之类的问题。
而实际生产环境中，其实我们都是用

1. python

复制代码

爬虫的。python实现多线程也很简单。

1. 这次我们可以试试新玩法，试试go语言的并发爬虫。

复制代码

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。

1. 单线程爬虫

 定义一个用户

1. var Client http.Client

复制代码

主函数

1. func main() {
   
2.         url := "http://localhost:3000/api/v1/products"
   
3.         start := time.Now()
   
4.         for i := 0; i < 10; i++ {
   
5.                 Spider(url, i)
   
6.         }
   
7.         elapsed := time.Since(start)
   
8.         fmt.Printf("Time %s", elapsed)
   
9. }

复制代码

爬取函数

1. func Spider(url string, i int) {
   
2.         reqSpider, err := http.NewRequest("GET", url, nil)
   
3.         if err != nil {
   
4.                 log.Fatal(err)
   
5.         }
   
6.         reqSpider.Header.Set("content-length", "0")
   
7.         reqSpider.Header.Set("accept", "*/*")
   
8.         reqSpider.Header.Set("x-requested-with", "XMLHttpRequest")
   
9.         respSpider, err := Client.Do(reqSpider)
   
10.         if err != nil {
    
11.                 log.Fatal(err)
    
12.         }
    
13.         bodyText, _ := ioutil.ReadAll(respSpider.Body)
    
14.         var result Result
    
15.         _ = json.Unmarshal(bodyText, &result)
    
16.         fmt.Println(i,result.Data)
    
17. }

复制代码

运行时间为：

1. 651.8207ms

复制代码

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。

1. func main() {
   
2.         url := "http://localhost:3000/api/v1/products"
   
3.         ch := make(chan bool)
   
4.         start := time.Now()
   
5.         for i := 0; i < 10; i++ {
   
6.                 go Spider(url, ch, i)
   
7.         }
   
8.         for i := 0; i < 10; i++ {
   
9.                 <-ch
   
10.         }
    
11.         elapsed := time.Since(start)
    
12.         fmt.Printf("Time %s", elapsed)
    
13. }

复制代码

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

运行时间：

1. 187.7921ms

复制代码

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

1.         var wg sync.WaitGroup
   
2.         wg.Add(10)

复制代码

开辟十个goruntime

1.         for i := 0; i < 10; i++ {
   
2.                 go func(i int) {
   
3.                         defer wg.Done()
   
4.                         SpiderWaitGroup(url,i)
   
5.                 }(i)
   
6.         }

复制代码

阻塞主进程

1. wg.Wait()

复制代码

结果：

1. 64.5246ms

复制代码

3. 源码地址

GitHub地址：https://github.com/CocaineCong/Go-Spider-Demo

1.         NormalStart(url) // 单线程爬虫
   
2.         ChannelStart(url) // Channel多线程爬虫
   
3.         WaitGroupStart(url) // Wait 多线程爬虫

复制代码

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。

到此这篇关于Go语言并发爬虫的具体实现的文章就介绍到这了,更多相关Go语言并发爬虫 内容请搜索晓枫资讯以前的文章或继续浏览下面的相关文章希望大家以后多多支持晓枫资讯！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

段干贞韵

感谢分享～～～～学习学习～～～～～

七色石妆

谢谢分享~~~~~

贰少爷的枪

顶顶更健康！！！

Shadow0519

路过，支持一下

落尘君羽羽o

感谢大大分享~~~~~~~~

plusLJW

看看，学习学习～～～～

kpn454221

感谢楼主，顶。

rgewpuxplt

感谢楼主分享。