Go语言并发爬虫的具体实现
时间：2023-01-30 10:34:41 | 栏目：Golang | 点击：次
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。
