使用requests抓取数据的时候,爬虫会模拟浏览器的行为,但是可能不知道,当打开一个网页的时候,requests.get()可能速度很快,但是如果几十个上百个网址的时候呢,这个差距就出来了,例如下面。
import requests
import time
start = time.time()
for _ in range(100):
resp = requests.get('https://baidu.com').content.decode()
end = time.time()
print(f'访问一百次网页,耗时:{end - start}')
结果是用时20s,时间太长了,如果网站更多,那就更久。但是我们可以改变一下。
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}')
结果是用时5S,怎么样这速度就提升了很大了吧,主要就是Session()方法是,爬虫在模拟浏览器的时候,打开另一个网址是相当于重新开了一个窗口用来访问,并不是重新开一个浏览器去访问。这样爬虫不仅行为更像人类,而且节省了很多爬虫后台模拟打开浏览器的行为所浪费的时间。