python和易语言爬虫速度_Python爬虫大幅度提高requests的访问速度

最新推荐文章于 2022-10-10 14:56:47 发布

weixin_39620001

最新推荐文章于 2022-10-10 14:56:47 发布

阅读量497

点赞数

文章标签： python和易语言爬虫速度

本文介绍了一种通过使用requests.Session()来优化大量HTTP请求的方法，该方法可以显著提高请求效率，尤其是在需要处理大量数据的情况下。文章对比了使用Session前后访问同一网站100次的耗时，展示了使用Session带来的性能提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

我做了一个垃圾信息过滤的 HTTP 接口。现在有一千万条消息需要经过这个接口进行垃圾检测。

一开始我的代码是这样的：

import requests

messages = ['第一条', '第二条', '第三条']

for message in messages:

resp = requests.post(url, json={'msg': message}).json()

if resp['trash']:

print('是垃圾消息')

我们写一段代码来看看运行速度：

访问一百次百度，竟然需要 20 秒。那我有一千万条信息，这个时间太长了。

有没有什么加速的办法呢？除了我们之前文章讲到的多线程、aiohttp 或者干脆用 Scrapy 外，还可以让 requests 保持连接从而减少频繁进行 TCP 三次握手的时间消耗。

那么要如何让 requests 保持连接呢？实际上非常简单，使用 Session 对象即可。

修改后的代码：

import requests

import time

start = time.time()

session = requests.Session()

for _ in range(100):

resp = session.get('https://baidu.com').content.decode()

end = time.time()

print(f'访问一百次网页，耗时：{end - start}')

运行效果如下图所示：

性能得到了显著提升。访问 100 页只需要 5 秒钟。

在官方文档 [1] 中，requests 也说到了 Session 对象能够保持连接：



The Session object allows you to persist certain parameters across requests. It also persists cookies across all requests made from the Session instance, and will use urllib3’s connection pooling. So if you’re making several requests to the same host, the underlying TCP connection will be reused, which can result in a significant performance increase (see HTTP persistent connection). ”



Excellent news — thanks to urllib3, keep-alive is 100% automatic within a session! Any requests that you make within a session will automatically reuse the appropriate connection! ”

参考资料

[1]