Go語言並發爬蟲的具體實現

Posted on by

寫在前面

這篇文章主要讓大傢明白多線程爬蟲，因為go語言實現並發是很容易的。

這次的服務端，是我們之前搭建的電子商城平臺，所以我們不擔心ip被封之類的問題。
而實際生產環境中，其實我們都是用python爬蟲的。python實現多線程也很簡單。

這次我們可以試試新玩法，試試go語言的並發爬蟲。

主要是爬取第一頁的商品，爬取十次，比較單線程和多線程的時間。

1. 單線程爬蟲

 定義一個用戶

var Client http.Client

主函數

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)
}

爬取函數

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)
}

運行時間為：651.8207ms

在這裡插入圖片描述

2. 多線程爬蟲

2.1 channel main函數

我們構造一個無緩沖的通道，來阻塞主進程，等待子進程的執行。

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)
}

最後記得在爬蟲的結束的時候，把值寫入到通道中，不然會一直阻塞主進程

在這裡插入圖片描述

運行時間：187.7921ms 比之前快瞭非常多。

在這裡插入圖片描述

2.2 sync.WaitGroup

定義一個進程組並加10個進程

	var wg sync.WaitGroup
	wg.Add(10)

開辟十個goruntime

	for i := 0; i < 10; i++ {
		go func(i int) {
			defer wg.Done()
			SpiderWaitGroup(url,i)
		}(i)
	}

阻塞主進程

wg.Wait()

結果：64.5246ms

在這裡插入圖片描述

3. 源碼地址

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

	NormalStart(url) // 單線程爬蟲
	ChannelStart(url) // Channel多線程爬蟲
	WaitGroupStart(url) // Wait 多線程爬蟲

其實多線程的兩種都差不多的，隻是有時候會因為機器的原因而導致一些誤差。

在這裡插入圖片描述

到此這篇關於Go語言並發爬蟲的具體實現的文章就介紹到這瞭,更多相關Go語言並發爬蟲 內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：