这篇教程热门问题python爬虫的效率如何提高写得很实用，希望能帮到您。
文 | 闲欢 来源：Python 技术「ID: pythonall」 今天在浏览知乎时，发现一个有趣的问题：如何优化 Python 爬虫的速度？ 他的问题描述是： 目前在写一个 Python 爬虫，单线程 urllib 感觉过于慢了，达不到数据量的要求（十万级页面）。求问有哪些可以提高爬取效率的方法？ 这个问题还蛮多人关注的，但是回答的人却不多。 我今天就来尝试着回答一下这个问题。 程序提速这个问题其实解决方案就摆在那里，要么通过并发来提高单位时间内处理的工作量，要么从程序本身去找提效点，比如爬取的数据用gzip传输、提高处理数据的速度等。 我会分别从几种常见的并发方法去做同一件事情，从而比较处理效率。
简单版本爬虫我们先来一个简单的爬虫，看看单线程处理会花费多少时间？ import timeimport requestsfrom datetime import datetimedef fetch(url): r = requests.get(url) print(r.text)start = datetime.now() t1 = time.time()for i in range(100): fetch('http://httpbin.org/get') print('requests版爬虫耗时：', time.time() - t1)# requests版爬虫耗时：54.86306357383728我们用一个爬虫的测试网站，测试爬取100次，用时是54.86秒。
多线程版本爬虫下面我们将上面的程序改为多线程版本： import threadingimport timeimport requestsdef fetch(): r = requests.get('http://httpbin.org/get') print(r.text)t1 = time.time()t_list = []for i in range(100): t = threading.Thread(target=fetch, args=()) t_list.append(t) t.start() for t in t_list: t.join() print("多线程版爬虫耗时：", time.time() - t1)# 多线程版爬虫耗时：0.8038511276245117我们可以看到，用上多线程之后，速度提高了68倍。其实用这种方式的话，由于我们并发操作，所以跑100次跟跑一次的时间基本是一致的。这只是一个简单的例子，实际情况中我们不可能无限制地增加线程数。
多进程版本爬虫除了多线程之外，我们还可以使用多进程来提高爬虫速度： import requestsimport timeimport multiprocessingfrom multiprocessing import PoolMAX_WORKER_NUM = multiprocessing.cpu_count() def fetch(): r = requests.get('http://httpbin.org/get') print(r.text) if __name__ == '__main__': t1 = time.time() p = Pool(MAX_WORKER_NUM) for i in range(100): p.apply_async(fetch, args=()) p.close() p.join() print('多进程爬虫耗时：', time.time() - t1) 多进程爬虫耗时： 7.9846765995025635我们可以看到多进程处理的时间是多线程的10倍，比单线程版本快7倍。
协程版本爬虫我们将程序改为使用 aiohttp 来实现，看看效率如何： import aiohttpimport asyncioimport time async def fetch(client): async with client.get('http://httpbin.org/get') as resp: assert resp.status == 200 return await resp.text() async def main(): async with aiohttp.ClientSession() as client: html = await fetch(client) print(html) loop = asyncio.get_event_loop() tasks = []for i in range(100): task = loop.create_task(main()) tasks.append(task) t1 = time.time() loop.run_until_complete(main()) print("aiohttp版爬虫耗时：", time.time() - t1) aiohttp版爬虫耗时： 0.6133313179016113我们可以看到使用这种方式实现，比单线程版本快90倍，比多线程还快。
结论通过上面的程序对比，我们可以看到，对于多任务爬虫来说，多线程、多进程、协程这几种方式处理效率的排序为：aiohttp > 多线程 > 多进程。因此，对于简单的爬虫任务，如果想要提高效率，可以考虑使用协程。但是同时也要注意，这里只是简单的示例，实际运用中，我们一般会用线程池、进程池、协程池去操作。 这就是问题的答案了吗？ 对于一个严谨的程序员来说，当然不是，实际上还有一些优化的库，例如grequests，可以从请求上解决并发问题。实际的处理过程中，肯定还有其他的优化点，这里只是从最常见的几种并发方式去比较而已，应付简单爬虫还是可以的，其他的方式欢迎大家在评论区留言探讨。 以上就是热门问题python爬虫的效率如何提高的详细内容，更多关于python爬虫效率提高的资料请关注51zixue.net其它相关文章！
Python 字符串操作详情
Python列表的定义及使用 |
