Go语言并发爬虫的具体实现

目录

• 写在前面
• 1. 单线程爬虫
• 2. 多线程爬虫
• 2.1 channel main函数
• 2.2 sync.WaitGroup
• 3. 源码地址

写在前面

这篇文章主要让大家明白多线程爬虫，因为go语言实现并发是很容易的。

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ip被封之类的问题。
而实际生产环境中，其实我们都是用python爬虫的。python实现多线程也很简单。

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。

1. 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

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

3. 源码地址

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

	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。

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！