先看看在scrapy源码里面对于twisted框架的部分使用，主要是reactor这个充当事件循环的模块
image.png
创建多个task，让异步效果更加明显，函数不改，只改下面的代码
image.png
这10个请求就是并发的
如果存在yield也是可以的，如图
image.png
特殊的‘特殊的socket对象’
from twisted.internet import defer
from twisted.internet import defer#defer.Deferred(特殊的socket对象),不会发请求
from twisted.web.client import getPage#socket对象（如果下载完成...）
from twisted.internet import reactor#事件循坏
def response(content):
print(content)
@defer.inlineCallbacks#添加到时事件循环的第一步
def task():
url = 'http://www.baidu.com'
d1=getPage(url.encode('utf-8'))
d1.addCallback(response)
url = 'http://www.baidu.com'
d2 = getPage(url.encode('utf-8'))
d2.addCallback(response)
url = 'http://www.baidu.com'
d3 = getPage(url.encode('utf-8'))
d3.addCallback(response)
'''一下创建三个socket，发送三个请求'''
yield defer.Deferred()
# url = 'http://www.baidu.com'
# d = getPage(url.encode('utf-8'))
# d.addCallback(response)
# yield d
def done(*args,**kwargs):#事件循环完成时候结束该异步处理
reactor.stop()
li=[]
# for i in range(10):
# d=task()#相当于创建10个socket对象，添加到列表里面
# li.append(d)
d=task()
dd=defer.DeferredList([d,])#列表里面所有任务都完成了，才终止
dd.addBoth(done)#成功获取返回值之后就触发停止函数
reactor.run()
运行结果如图
程序一直没有结束
完整代码
from twisted.internet import defer#defer.Deferred(特殊的socket对象),不会发请求
from twisted.web.client import getPage#socket对象（如果下载完成...）
from twisted.internet import reactor#事件循坏
_close=None
count=0
def response(content):
global count
count += 1
print(content)
if count==3:
_close.callback(None)
@defer.inlineCallbacks#添加到时事件循环的第一步
def task():
'''
每个爬虫的开始：starts_requests
:return:
'''
url = 'http://www.baidu.com'
d1=getPage(url.encode('utf-8'))
d1.addCallback(response)
url = 'http://www.baidu.com'
d2 = getPage(url.encode('utf-8'))
d2.addCallback(response)
url = 'http://www.baidu.com'
d3 = getPage(url.encode('utf-8'))
d3.addCallback(response)
'''一下创建三个socket，发送三个请求'''
global _close
_close=defer.Deferred()
yield _close#当三个请求都返回了，就执行这个函数
# yield defer.Deferred()
# url = 'http://www.baidu.com'
# d = getPage(url.encode('utf-8'))
# d.addCallback(response)
# yield d
def done(*args,**kwargs):#事件循环完成时候结束该异步处理
reactor.stop()
li=[]
# for i in range(10):
# d=task()#相当于创建10个socket对象，添加到列表里面
# li.append(d)
spider1=task()
spider2=task()
dd=defer.DeferredList([spider1,spider2])#列表里面所有任务都完成了，才返回
dd.addBoth(done)#成功获取返回值之后就触发停止函数
reactor.run()
自定义scrapy框架
from twisted.internet import reactor # 事件循环（终止条件，所有的socket都已经移除）
from twisted.web.client import getPage # socket对象（如果下载完成，自动从时间循环中移除...）
from twisted.internet import defer # defer.Deferred 特殊的socket对象 （不会发请求，手动移除）
class Request(object):
def __init__(self,url,callback):
self.url = url
self.callback = callback
class HttpResponse(object):
def __init__(self,content,request):
self.content = content
self.request = request
self.url = request.url
self.text = str(content,encoding='utf-8')
class ChoutiSpider(object):
name = 'chouti'
def start_requests(self):
start_url = ['http://www.baidu.com','http://www.bing.com',]
for url in start_url:
yield Request(url,self.parse)
def parse(self,response):
print(response) #response是下载的页面
yield Request('http://www.cnblogs.com',callback=self.parse)
import queue
Q = queue.Queue()
class Engine(object):
def __init__(self):
self._close = None
self.max = 5
self.crawlling = []
def get_response_callback(self,content,request):
self.crawlling.remove(request)
rep = HttpResponse(content,request)
result = request.callback(rep)
import types
if isinstance(result,types.GeneratorType):
for req in result:
Q.put(req)
def _next_request(self):
"""
去取request对象，并发送请求
最大并发数限制
:return:
"""
print(self.crawlling,Q.qsize())
if Q.qsize() == 0 and len(self.crawlling) == 0:
self._close.callback(None)
return
if len(self.crawlling) >= self.max:
return
while len(self.crawlling) < self.max:
try:
req = Q.get(block=False)
self.crawlling.append(req)
d = getPage(req.url.encode('utf-8'))
# 页面下载完成，get_response_callback，调用用户spider中定义的parse方法，并且将新请求添加到调度器
d.addCallback(self.get_response_callback,req)
# 未达到最大并发数，可以再去调度器中获取Request
d.addCallback(lambda _:reactor.callLater(0, self._next_request))
except Exception as e:
print(e)
return
@defer.inlineCallbacks
def crawl(self,spider):
# 将初始Request对象添加到调度器
start_requests = iter(spider.start_requests())
while True:
try:
request = next(start_requests)
Q.put(request)
except StopIteration as e:
break
# 去调度器中取request，并发送请求
# self._next_request()
reactor.callLater(0, self._next_request)
self._close = defer.Deferred()
yield self._close
spider = ChoutiSpider()
_active = set()
engine = Engine()
d = engine.crawl(spider)
_active.add(d)
dd = defer.DeferredList(_active)
dd.addBoth(lambda a:reactor.stop())
reactor.run()
