V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
whereabouts
V2EX  ›  程序员

求推荐爬虫框架 Python /Nodejs/Golang 皆可 写了个 Scrapy 的爬虫然后发现是单线程的

  •  
  •   whereabouts · 2018-06-19 11:29:50 +08:00 · 4842 次点击
    这是一个创建于 2109 天前的主题,其中的信息可能已经有所发展或是发生改变。
    查了一会 Google 说 Scrapy 基于 Twisted 所以是单线程的,写的 Scrapy 爬虫运行了半天没爬多少网页。。
    16 条回复    2018-06-20 16:56:06 +08:00
    yrj
        1
    yrj  
       2018-06-19 11:36:07 +08:00 via iPad
    pyspider 国人作品 文档友好。
    congeec
        2
    congeec  
       2018-06-19 11:38:26 +08:00   ❤️ 1
    单线程不是 scrapy 慢的原因
    PythonAnswer
        3
    PythonAnswer  
       2018-06-19 11:38:58 +08:00 via iPhone   ❤️ 1
    twisted 是异步 io 可以很快爬取
    scrapy 做为 py 爬虫框架老大 并非浪得虚名
    msg7086
        4
    msg7086  
       2018-06-19 12:17:52 +08:00   ❤️ 1
    单线程很好啊,运行效率比那些天天线程切换的方案好多了。
    thread2
        5
    thread2  
       2018-06-19 12:28:04 +08:00 via Android   ❤️ 1
    可考虑,先批量生产任务放到队列里,然后开很多节点消费任务,效率奇高
    chengxiao
        6
    chengxiao  
       2018-06-19 13:55:27 +08:00   ❤️ 1
    感觉瓶颈是网速吧
    chroming
        7
    chroming  
       2018-06-19 14:00:17 +08:00   ❤️ 1
    一般情况 scrapy 异步比多线程快,你爬的慢可能是你程序写的有问题
    soho176
        8
    soho176  
       2018-06-19 14:01:29 +08:00   ❤️ 2
    爬的再快 有啥用那,太快 网站直接封了你了,别光想着快,要持久。
    tozp
        9
    tozp  
       2018-06-19 18:23:01 +08:00   ❤️ 1
    java--webmagic
    python--scrapy
    go--go_spider
    也就那么回事
    encro
        10
    encro  
       2018-06-19 19:30:54 +08:00
    scrapy 能够设置并发数的。你用的是假 google 吧
    encro
        11
    encro  
       2018-06-19 19:32:20 +08:00   ❤️ 1
    在 google 前请先看文档
    inflationaaron
        12
    inflationaaron  
       2018-06-20 03:19:46 +08:00   ❤️ 2
    Node.js 也是单线程,怎么能做到那么多并发?多线程只是实现高并发的一种手段。
    biaodianfu
        13
    biaodianfu  
       2018-06-20 09:08:16 +08:00 via iPhone   ❤️ 1
    你可能还不知道 python ( cpython )只支持单线程
    dishonest
        14
    dishonest  
       2018-06-20 09:41:19 +08:00   ❤️ 1
    @biaodianfu 不是这样的吧 多线程支持的 只是有 GIL
    encro
        15
    encro  
       2018-06-20 13:06:09 +08:00   ❤️ 1
    给你一个传送门,以前我写的关于爬虫方面的资料。
    爬虫框架比较: https://c4ys.com/archives/450
    如何用 python 实现一个高自由度爬虫: https://c4ys.com/archives/718
    Leigg
        16
    Leigg  
       2018-06-20 16:56:06 +08:00 via iPhone
    scrapy 不设置延时足够爬到网站不能自理,在你会不会用。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   1030 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 27ms · UTC 22:22 · PVG 06:22 · LAX 15:22 · JFK 18:22
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.