神器啊！比requests還好用的Python高效爬蟲框架！

2022-07-07 08:59:37

開發后端

雖然之前有了解過"協程"是什么東西，但并沒有深入探索，于是正好借著這次機會可以好好學習一下。

最近公司 Python 后端項目進行重構，整個后端邏輯基本都變更為采用"異步"協程的方式實現。看著滿屏幕經過 async await（協程在 Python 中的實現）修飾的代碼，我頓時感到一臉懵逼，不知所措。

雖然之前有了解過"協程"是什么東西，但并沒有深入探索，于是正好借著這次機會可以好好學習一下。

Let's go

什么是協程？

簡單來說，協程是一種基于線程之上，但又比線程更加輕量級的存在。對于系統內核來說，協程具有不可見的特性，所以這種由程序員自己寫程序來管理的輕量級線程又常被稱作 "用戶空間線程"。

協程比多線程好在哪呢？

1. 線程的控制權在操作系統手中，而協程的控制權完全掌握在用戶自己手中，因此利用協程可以減少程序運行時的上下文切換，有效提高程序運行效率。

2. 建立線程時，系統默認分配給線程的棧大小是 1 M，而協程更輕量，接近 1 K ，因此可以在相同的內存中開啟更多的協程。

3. 由于協程的本質不是多線程而是單線程，所以不需要多線程的鎖機制。因為只有一個線程，也不存在同時寫變量而引起的沖突。在協程中控制共享資源不需要加鎖，只需要判斷狀態即可。所以協程的執行效率比多線程高很多，同時也有效避免了多線程中的競爭關系。

協程的適用 & 不適用場景

適用場景：協程適用于被阻塞的，且需要大量并發的場景。

不適用場景：協程不適用于存在大量計算的場景（因為協程的本質是單線程來回切換），如果遇到這種情況，還是應該使用其他手段去解決。

初探異步 http 框架 httpx

至此我們對 "協程" 應該有了個大概的了解，但故事說到這里，相信有朋友還是滿臉疑問："協程" 對于接口測試有什么幫助呢？不要著急，答案就在下面。

相信用過 Python 做接口測試的朋友都對 requests 庫不陌生。requests 中實現的 http 請求是同步請求，但其實基于 http 請求 IO 阻塞的特性，非常適合用協程來實現 "異步" http 請求從而提升測試效率。

相信早就有人注意到了這點，于是在 Github 經過了一番探索后，果不其然，最終尋找到了支持協程 "異步" 調用 http 的開源庫: httpx。

什么是 httpx

httpx 是一個幾乎繼承了所有 requests 的特性并且支持 "異步" http 請求的開源庫。簡單來說，可以認為 httpx 是強化版 requests。

下面大家可以跟著我一起見識一下 httpx 的強大。

安裝

httpx 的安裝非常簡單，在 Python 3.6 以上的環境執行。

pip install httpx

最佳實踐

俗話說得好，效率決定成敗。我分別使用了 httpx 異步和同步的方式對批量 http 請求進行了耗時比較，來一起看看結果吧～

首先來看看同步 http 請求的耗時表現：

import asyncio
import httpx
import threading
import time
def sync_main(url, sign):
   response = httpx.get(url).status_code
   print(f'sync_main: {threading.current_thread()}: {sign}2 + 1{response}')
sync_start = time.time()
[sync_main(url='http://www.baidu.com', sign=i) for i in range(200)]
sync_end = time.time()
print(sync_end - sync_start)

代碼比較簡單，可以看到在 sync_main 中則實現了同步 http 訪問百度 200 次。

運行后輸出如下（截取了部分關鍵輸出...）：

sync_main: <_MainThread(MainThread, started 4471512512)>: 192: 200
sync_main: <_MainThread(MainThread, started 4471512512)>: 193: 200
sync_main: <_MainThread(MainThread, started 4471512512)>: 194: 200
sync_main: <_MainThread(MainThread, started 4471512512)>: 195: 200
sync_main: <_MainThread(MainThread, started 4471512512)>: 196: 200
sync_main: <_MainThread(MainThread, started 4471512512)>: 197: 200
sync_main: <_MainThread(MainThread, started 4471512512)>: 198: 200
sync_main: <_MainThread(MainThread, started 4471512512)>: 199: 200
16.56578803062439

可以看到在上面的輸出中, 主線程沒有進行切換（因為本來就是單線程啊喂！）請求按照順序執行（因為是同步請求）。

程序運行共耗時 16.6 秒。

下面我們試試 "異步" http 請求：

import asyncio
import httpx
import threading
import time
client = httpx.AsyncClient()
async def async_main(url, sign):
   response = await client.get(url)
   status_code = response.status_code
   print(f'async_main: {threading.current_thread()}: {sign}:{status_code}')
loop = asyncio.get_event_loop()
tasks = [async_main(url='http://www.baidu.com', sign=i) for i in range(200)]
async_start = time.time()
loop.run_until_complete(asyncio.wait(tasks))
async_end = time.time()
loop.close()
print(async_end - async_start)

上述代碼在 async_main 中用 async await 關鍵字實現了"異步" http，通過 asyncio ( 異步 io 庫請求百度首頁 200 次并打印出了耗時）。

運行代碼后可以看到如下輸出（截取了部分關鍵輸出...）。

async_main: <_MainThread(MainThread, started 4471512512)>: 56: 200
async_main: <_MainThread(MainThread, started 4471512512)>: 99: 200
async_main: <_MainThread(MainThread, started 4471512512)>: 67: 200
async_main: <_MainThread(MainThread, started 4471512512)>: 93: 200
async_main: <_MainThread(MainThread, started 4471512512)>: 125: 200
async_main: <_MainThread(MainThread, started 4471512512)>: 193: 200
async_main: <_MainThread(MainThread, started 4471512512)>: 100: 200
4.518340110778809

可以看到順序雖然是亂的（56，99，67...） (這是因為程序在協程間不停切換) 但是主線程并沒有切換（協程本質還是單線程）。

程序共耗時 4.5 秒。

比起同步請求耗時的 16.6 秒縮短了接近 73 %！

俗話說得好，一步快，步步快。在耗時方面，"異步" httpx 確實比同步 http 快了很多。當然，"協程" 不僅僅能在請求效率方面賦能接口測試，掌握 "協程"后，相信小伙伴們的技術水平也能提升一個臺階，從而設計出更優秀的測試框架。

好了，這就是今天分享的全部內容，喜歡就點個贊吧~

責任編輯：龐桂玉來源： Python見習室