首页 > 解决方案 > Python:使用 asyncio 的 Pyppeteer

问题描述

我正在做一些测试,我想知道下面的脚本是否异步运行?

# python test.py  It took 1.3439464569091797 seconds.

31(站点)x 1.34 = 41.54s - 所以它少了几秒钟,但理论上它应该只需要最长的请求?

# python test.py  It took 28.129364728927612 seconds.

也许在这里打开浏览器不是异步的,我应该为此使用执行器?

# cat test.py 
import asyncio
import time

from pyppeteer import launch
from urllib.parse import urlparse

WEBSITE_LIST = [
    'http://envato.com',
    'http://amazon.co.uk',
    'http://amazon.com',
    'http://facebook.com',
    'http://google.com',
    'http://google.fr',
    'http://google.es',
    'http://google.co.uk',
    'http://internet.org',
    'http://gmail.com',
    'http://stackoverflow.com',
    'http://github.com',
    'http://heroku.com',
    'http://djangoproject.com',
    'http://rubyonrails.org',
    'http://basecamp.com',
    'http://trello.com',
    'http://yiiframework.com',
    'http://shopify.com',
    'http://airbnb.com',
    'http://instagram.com',
    'http://snapchat.com',
    'http://youtube.com',
    'http://baidu.com',
    'http://yahoo.com',
    'http://live.com',
    'http://linkedin.com',
    'http://yandex.ru',
    'http://netflix.com',
    'http://wordpress.com',
    'http://bing.com',
]

start = time.time()

async def fetch(url):
    browser = await launch(headless=True, args=['--no-sandbox'])
    page = await browser.newPage()
    await page.goto(f'{url}', {'waitUntil': 'load'})
    await page.screenshot({'path': f'img/{urlparse(url)[1]}.png'})
    await browser.close()

async def run():
    tasks = []

    for url in WEBSITE_LIST:
        task = asyncio.ensure_future(fetch(url))
        tasks.append(task)

    responses = await asyncio.gather(*tasks)
    #print(responses)

#asyncio.get_event_loop().run_until_complete(fetch('http://yahoo.com'))
loop = asyncio.get_event_loop()
future = asyncio.ensure_future(run())
loop.run_until_complete(future)

print(f'It took {time.time()-start} seconds.')

标签: pythonpython-asynciopyppeteer

解决方案


根据pyppeteer源代码,它使用没有管道的进程来管理Chromium进程,并使用websockets进行通信,因此它是异步的。

您有 31 个站点,那么您将有 31+1 个流程。所以除非你有一个 32 核的 CPU(可能还有线程、系统进程、锁、超线程和所有影响结果的不同因素,所以这只是一个不精确的例子),它不会完全并行执行. 因此,我认为瓶颈是 CPU 打开浏览器、渲染网页和转储图像。使用执行器无济于事。

但是,它仍然是异步的。这意味着,您的 Python 进程没有被阻塞,您仍然可以运行其他代码或同时等待网络结果。只是当 CPU 被其他进程完全加载时,Python 进程更难“窃取” CPU 时间。


推荐阅读