在Python3.11中如何利用asyncio.gather并发抓取上万个页面?

梦雪大大_2593

梦雪大大_2593

2026-11-18

731人浏览

原创

直接用asyncio.gather(*[page.goto(u) for u in urls])必然失败,因未确保page已通过await context.new_page()创建,协程悬空;共享context导致状态污染;且无Semaphore限流引发资源耗尽崩溃。

在python3.11中如何利用asyncio.gather并发抓取上万个页面?

直接用 asyncio.gather() 把上万个 page.goto() 扔进去,不出三秒就会触发 Chromium 崩溃、内存 OOM 或 TimeoutError: Page.goto: Timeout 30000ms exceeded。这不是并发瓶颈,是资源失控。

为什么 gather(*[page.goto(u) for u in urls]) 必然失败

这个写法看似“并发”,实则踩了三个硬伤:

  • page.goto() 前必须确保 page 实例已通过 await context.new_page() 完整创建;而列表推导式里 page.goto(u) 是未 await 的协程对象,gather 拿到的是悬空状态,不是可用页面
  • 所有页面共享同一个 context 时,cookie、localStorage、JS 执行上下文互相污染,一个页面卡死(比如某个广告脚本死循环),整个 context 下所有页面都挂住
  • gather 不做限流 —— 上万任务瞬间创建上万个 Page 实例,Chromium 进程直接被系统 kill,日志里常见 Failed to create a new page

必须分三阶段 + Semaphore 控制生命周期

Playwright 多页面并发不是“一起发请求”,而是“分槽位调度页面全生命周期”。正确结构是:

  • 先批量创建 context(非复用):每个 context 独立隔离,避免状态污染
  • 每个 context 内用 asyncio.Semaphore(10) 控制最大活跃页面数(建议 8–15,视内存调整)
  • 每个页面完整走完 new_page() → goto() → evaluate() → close(),且全部操作加 await

示例关键片段:

sem = asyncio.Semaphore(12)
async def fetch_one(url):
    async with sem:
        context = await browser.new_context(
            viewport={"width": 1280, "height": 720},
            user_agent="Mozilla/5.0 (X11; Linux x86_64)..."
        )
        page = await context.new_page()
        try:
            await page.goto(url, wait_until="networkidle")
            title = await page.title()
            return title
        finally:
            await context.close()  # 不是 page.close(),要关 context

asyncio.gather 的传参陷阱与容错配置

gather 只接收未 await 的协程对象,不是函数名,也不是已 await 的结果:

Camoufox Open Source Anti-Detect Browser for Python Automation
Camoufox Open Source Anti-Detect Browser for Python Automation

Camoufox 是一个基于 Firefox 构建的开源反检测浏览器,为 Python 自动化工作流程提供强大的指纹注入和反机器人检测规避功能。它与 Playwright 集成,以提供能够绕过现代机器人检测系统的隐身浏览能力。

下载
  • ✅ 正确:await asyncio.gather(*[fetch_one(u) for u in urls[:100]])
  • ❌ 错误:await asyncio.gather(*[await fetch_one(u) for u in urls])(语法错误)
  • ❌ 错误:await asyncio.gather(fetch_one, fetch_one)(传了函数对象,没调用)

上万 URL 分批处理,每批 100 个,并启用 return_exceptions=True 避免单个失败中断整批:

for i in range(0, len(urls), 100):
    batch = urls[i:i+100]
    results = await asyncio.gather(
        *[fetch_one(u) for u in batch],
        return_exceptions=True
    )
    # results 中每个元素要么是 str,要么是 Exception 实例

headless 和性能参数不配好,再多并发也白搭

默认 headless=True 在新版 Chromium 中实际是旧模式,容易因 GPU 渲染冲突崩溃;同时未禁用图片/字体加载会拖慢首屏和内存占用:

  • 显式设 headless="new" 启用新版无头模式
  • 加 args=["--disable-gpu", "--no-sandbox", "--disable-dev-shm-usage"]
  • 用 page.route() 拦截图片/CSS/字体请求(若只需文本内容)
  • wait_until="networkidle" 比 "load" 更稳,但别在弱网场景下盲目依赖 —— 可加超时兜底:timeout=15000

真正卡住上万页面的,从来不是代码逻辑,而是 Chromium 进程没被正确约束:每个 context 是独立渲染进程,每个 page 是标签页级资源,不控制数量,系统先扛不住。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

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 python3

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

1951

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

5524

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

1889

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

33717

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

3947

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

3967

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

1283

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

636

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

3063

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