Python自动化抓取网站API_requests库处理高并发请求策略

风杰姑娘_1564

风杰姑娘_1564

2026-04-04

760人浏览

原创

requests并发慢的根源是未使用session和连接池,应配置httpadapter的pool_connections与pool_maxsize、设置timeout元组、禁用压缩并添加合理user-agent。

python自动化抓取网站api_requests库处理高并发请求策略

requests并发太慢?别硬扛,用Session+连接池压测前先调对参数

单个 requests.get() 默认每次新建TCP连接、不复用,高并发下DNS解析+握手开销直接拖垮速度。不是代码写得不对,是没配 Session 和底层连接池。

实操建议:

  • 所有批量请求必须用 requests.Session() 实例,而不是反复调用 requests.get()
  • 显式配置连接池:session = requests.Session(); adapter = requests.adapters.HTTPAdapter(pool_connections=10, pool_maxsize=20),再 session.mount('https://', adapter)
  • pool_connections 控制「可复用的域名连接池数量」,pool_maxsize 是每个池里最大空闲连接数,别设成100——OS文件描述符会爆
  • 超时必须设:session.get(url, timeout=(3, 7)),元组第一个是connect timeout,第二个是read timeout,不设就卡死

异步发请求?别急着换aiohttp,先看是不是CPU/IO瓶颈混了

用 asyncio + aiohttp 的前提是:你真被IO卡住,而不是解析HTML或JSON时在主线程跑正则、嵌套循环、没用 ujson。

常见错误现象:

  • 开了100个协程,但CPU跑满90%——大概率是响应体太大,你在用 response.json() 解析几MB数据
  • 并发一上去就报 RuntimeError: Event loop is closed——漏了 await session.close() 或用了全局未管理的 ClientSession
  • 请求发出去了,但返回全是 429 Too Many Requests——网站反爬没加 sleep,异步反而加速触发限流

如果只是几十个URL轮询,concurrent.futures.ThreadPoolExecutor 配合 Session 更稳,线程数控制在 min(32, os.cpu_count() + 4) 就够用。

API返回403/401但Postman能通?检查headers里User-Agent和Accept-Encoding是否被过滤

很多API网关(比如Cloudflare、Akamai)默认拦截无 User-Agent 或带 gzip 的请求,requests 默认发的 Accept-Encoding: gzip, deflate 反而成了特征。

Li Python Sec Check
Li Python Sec Check

Python 安全规范检查工具:基于 CloudBase 规范、腾讯安全指南,LLM 智能分析(默认禁用,优先本地执行)

下载

使用场景:调内部测试API、爬公开数据接口、对接老系统文档不全的后端。

实操建议:

  • 加一个合理 User-Agent:headers={'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36'}
  • 禁用压缩:headers['Accept-Encoding'] = 'identity',避免服务端因解压失败直接拒掉
  • 某些API校验 Origin 或 Referer,得补全——但注意别暴露真实来源
  • 如果带Token,确认是 Authorization: Bearer xxx 还是 X-API-Key: xxx,大小写和服务端要求严格匹配

响应体大、字段多?别用response.json()硬转,流式解析更省内存

当API返回几百KB以上JSON(比如日志列表、商品全量数据),response.json() 会把整个响应体读进内存再解析,容易OOM;尤其配合多线程/协程时,内存增长是乘法级的。

性能影响明显:100个2MB响应同时解析,可能吃掉200MB+内存,GC压力陡增。

实操建议:

  • 用 response.iter_lines() 处理NDJSON(每行一个JSON对象)
  • 大JSON数组用 ijson.parse()(需装 ijson)边读边取字段,不加载全文本
  • 如果只是取几个字段,考虑用 json.loads(response.content[:1024], parse_float=str) 先截断预览结构
  • 千万别在循环里写 json.dumps(data, indent=2) 调试——格式化开销比解析还大
事情说清了就结束。最常被忽略的是连接池参数和超时设置,不是代码逻辑问题,是网络层配置没跟上。

大量免费API接口:立即使用
涵盖生活服务API、金融科技API、企业工商API、等相关的API接口服务。免费API接口可安全、合规地连接上下游,为数据API应用能力赋能!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1691

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

4304

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1689

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

25057

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3067

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3087

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1163

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

596

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

2383

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程