io异步模块
知识必备:
socket实现web请求
如果说socket是所有web操作的本质,爬虫在web操作中扮演的角色,应该就是一个“客户端”。
obj=socket()
obj.connect((192.168.1.1,80))
# socket 连接是一个耗时阻塞的操作
obj.send('get /url http1.1
host:...
content-type
')
# 通过
将请求参数分割开按照一定格式发送给服务端
下面是一段用socket向百度发送请求的实例:
import socket
client=socket.socket()
client.connect(('61.135.169.125',80)) # 阻塞
data=b'GET / HTTP/1.0
host: www.baidu.com
'
# 请求,访问的url(这里无,所以用/)然后是协议:http1.1
# 最后一定要记得用
分割开,因为服务器靠这个来split信息
client.sendall(data)
response=client.recv(8096) # 阻塞
print(response)
client.close()
可以看到我在上面两个地方标注了“阻塞”。
如果想要让这个socket不发生“阻塞”,其实只需要
client.setblocking(False)
但是这种操作带来的问题是:
BlockingIOError: [WinError 10035] 无法立即完成一个非阻止性套接字操作。
暂时不考虑这个错误,我们其实已经将这个socket做成了一个“非阻塞”的socket程序了,想要让他正常的运行,可以通过time模块来模拟一些其他计算耗时或者叫做“异步任务”。
代码如下:
client=socket.socket()
client.setblocking(False)
try:
client.connect(('61.135.169.125',80)) # 阻塞
except BlockingIOError as e:
print(e)
import time
time.sleep(3) # 假设这里有一个耗时3秒的操作,操作完后client.connect已经完成
data=b'GET / HTTP/1.0
host: www.baidu.com
'
client.sendall(data)
time.sleep(3) # 假设这里又有一个操作,结束后client已经获取了服务器返回值
response=client.recv(8096) # 阻塞
print(response)
client.close()
观察上面代码的结果,可以发现连接一开始被判断不成功的时候的确返回了错误信息,但是最终我们还是获取到了网页的信息,说明最后连接完成后的整个流程是被正确地走完了的。其中的sleep可以替换成任何其他操作,可以去读取获取文件,进行计算等等……
通过合理安排各个任务,既节约了任务的时间,并且完成了多任务的效果。这就是异步IO
但是我们怎么样判断“第一个任务(连接)阻塞的期间,我们可以完成多少别的任务”,“假如我们的支线任务做完后,主线任务仍然没有结束,我们该干什么”。
利用while循环判断主线任务是否返回,如果返回了值,就break进行下一步,如果没有,就继续进行支线任务
总结:
非阻塞---报错---利用try让程序继续运行
定义一些操作(把所有的请求,在第一个请求发送的等待期间,全部发送过去。)
io多路复用
用于检测【多个】IO对象(socket对象)是否有变化。
r,w,e=selcet.select([socket,socket.....],[],[],0.5)
# 第一个传入参数为socket对象列表
#
- w:返回一个列表,表示“连接成功”
- r:返回一个列表,如果socket中返回内容,就表示“需要接受数据”,这个就会被进入进r返回的列表中
完成代码:
import socket
import select
class ReqIO(object):
def __init__(self,sock,info):
self.sock=sock
self.info=info
def fileno(self):
return self.sock.fileno()
class IOtest(object):
def __init__(self):
self.socklist=[]
self.conns=[]
def add_request(self,req_info):
sock=socket.socket()
sock.setblocking(False)
try:
sock.connect((req_info['host'],req_info['port']))
except Exception as e:
pass
obj=ReqIO(sock,req_info)
self.socklist.append(obj)
self.conns.append(obj)
def run(self):
while True:
r,w,e=select.select(self.socklist,self.conns,[],0.05)
"""
补充:select中添加的可以是任何对象,但是这个对象一定要有fileno方法
w 是否连接成功
检查循环到的i是哪个字典
"""
for i in w:
data = 'GET %s HTTP/1.0
host: %s
'%(i.info['path'],i.info['host'])
i.sock.send(data.encode('utf-8'))
self.conns.remove(i)
"""
这时候w中的元素是ReqIO对象,但是他仍然能够连接成功,
并且他会利用封装过的info来获取当前i的info
"""
for j in r:
"""
数据返回接收数据
""" response = j.sock.recv(8096)
print(j.info['host'],':
',response)
self.socklist.remove(j)
if not self.socklist:
# 当所有请求都已经返回
break
url_list=[
{'host':'www.baidu.com','IP':'61.135.169.125','port':80,'path':'/'},
{'host':'dig.chouti.com','IP':'111.206.193.95','port':80,'path':'/'},
{'host':'www.bing.com','IP':'118.178.213.186','port':80,'path':'/'}
]
test=IOtest()
for item in url_list:
test.add_request(item)
test.run()