——个人笔记
一系列：
python爬虫（一）
python爬虫（二）
python爬虫（三）
python爬虫（四）
python爬虫（五）
python爬虫（六）
python爬虫（七）
python爬虫（八）
python爬虫（十）
python爬虫（十一）
爬虫如果按照之前是按照顺序执行的，那么当我们要爬取很多数据时那么就会很慢。相信大家可能会知道有协程（类似多线程，但是是有区别的），但是当协程数量多，我们就要对多协程控制执行数量。
同样我们要实现多协程，那么我们同样要引入gevent库，和之前一样，在终端输入pip install gevent运行，然后我们就可以开始了。首先我们要在开头申明这个程序是协作式执行的：
from gevent import monkey
#从gevent库里导入monkey模块。
monkey.patch_all()
#monkey.patch_all()能把程序变成协作式运行，就是可以帮助程序实现异步。
那么我们就可以开始爬了：
url_list = ['https://www.baidu.com/',
'https://www.sina.com.cn/',
'http://www.sohu.com/',
'https://www.qq.com/',
'https://www.163.com/',
'http://www.iqiyi.com/',
'https://www.tmall.com/',
'http://www.ifeng.com/']
#把8个网站封装成列表。
def crawler(url):
#定义一个crawler()函数。
r = requests.get(url)
#用requests.get()函数爬取网站。
print(url,time.time()-start,r.status_code)
#打印网址、请求运行时间、状态码。
tasks_list = [ ]
#创建空的任务列表。
for url in url_list:
#遍历url_list。
task = gevent.spawn(crawler,url)
#用gevent.spawn()函数创建任务。
tasks_list.append(task)
#往任务列表添加任务。
gevent.joinall(tasks_list)
#执行任务列表里的所有任务，就是让爬虫开始爬取网站。
看了代码和图示，可能还是有点懵，其实大概说一下，我们先定义一个爬取数据的函数，然后task = gevent.spawn(crawler,url)这里的 gevent.spawn()就是创建协程任务，第一个参数就是函数名，然后后面的参数就是第一个参数的函数的参数（可能有点绕口，理解一下，如果你调用的函数没有参数，那么就只有第一个参数），你把所有任务都放进列表中后，调用gevent.joinall()就可以执行了。
但是上面的方法没办法直接控制爬虫数量，也就是说，如果我要爬取1000个网站而不是8个，那么会压垮服务器，怎么解决呢？那么我们可以想象一下日常生活我们是怎么解决的，排队！那么同样，这也可以排队，我们就要引入queue（队列，队列就是先进先出）了，from gevent.queue import Queue从gevent库里导入queue模块。其实queue也是存储结构，只不过，它具有先存储进去的要先取出来的特性而已。那么我们看看queue有什么方法：
非常简单，其实就是存数据，取数据，查看还有多少。work = Queue()这样就创建了一个queue对象，那么看完整代码：
from gevent import monkey
#从gevent库里导入monkey模块。
monkey.patch_all()
#monkey.patch_all()能把程序变成协作式运行，就是可以帮助程序实现异步。
import gevent,time,requests
#导入gevent、requests
from gevent.queue import Queue
#从gevent库里导入queue模块
url_list = ['https://www.baidu.com/',
'https://www.sina.com.cn/',
'http://www.sohu.com/',
'https://www.qq.com/',
'https://www.163.com/',
'http://www.iqiyi.com/',
'https://www.tmall.com/',
'http://www.ifeng.com/']
work = Queue()
#创建队列对象，并赋值给work。
for url in url_list:
#遍历url_list
work.put_nowait(url)
#用put_nowait()函数可以把网址都放进队列里。
def crawler():
while not work.empty():
#当队列不是空的时候，就执行下面的程序。
url = work.get_nowait()
#用get_nowait()函数可以把队列里的网址都取出。
r = requests.get(url)
#用requests.get()函数抓取网址。
print(url,work.qsize(),r.status_code)
#打印网址、队列长度、抓取请求的状态码。
tasks_list = [ ]
#创建空的任务列表
for x in range(2):
#相当于创建了2个爬虫
task = gevent.spawn(crawler)
#用gevent.spawn()函数创建执行crawler()函数的任务。
tasks_list.append(task)
#往任务列表添加任务。
gevent.joinall(tasks_list)
#用gevent.joinall方法，执行任务列表里的所有任务，就是让爬虫开始爬取网站。