在 Python 中，async 和 await 是用于实现‌异步编程（Asynchronous Programming）‌的核心关键字。它们允许你编写并发代码，特别适用于 ‌I/O 密集型‌任务（如网络请求、文件读写、数据库操作），能够显著提高程序的执行效率，而无需使用复杂的多线程或多进程。

以下是关于 Python async 的详细解析：

1. 核心概念
‌async def‌：用于定义一个‌协程函数（Coroutine Function）。当调用这个函数时，它不会立即执行，而是返回一个‌协程对象（Coroutine Object）**。
‌await‌：用于在协程内部‌暂停‌当前任务的执行，等待另一个可等待对象（如另一个协程、Task 或 Future）完成。在等待期间，控制权会交还给‌事件循环（Event Loop）‌，使其可以运行其他任务。
‌事件循环（Event Loop）‌：异步编程的核心引擎。它负责调度和执行所有的协程任务。当一个任务遇到 await 并处于等待状态时，事件循环会切换到其他就绪的任务去执行，从而实现“并发”。
2. 基本语法与示例
定义和运行一个简单的协程

import asyncio

# 1. 使用 async def 定义协程函数
async def say_hello(delay, name):
    print(f"Start: Hello {name}")
    # 2. 使用 await 暂停执行，模拟 I/O 操作
    # asyncio.sleep 是非阻塞的，不会卡住整个程序
    await asyncio.sleep(delay)
    print(f"End: Hello {name}")
    return f"Greeting for {name}"

# 3. 主入口函数
async def main():
    print("Main started")
    # 直接调用 say_hello 只会创建协程对象，不会执行
    # 必须使用 await 或 create_task 来调度执行
    result = await say_hello(1, "Alice")
    print(result)
    print("Main finished")

# 4. 运行最高层级的入口点
asyncio.run(main())

3. 并发执行任务
如果按顺序 await 多个协程，它们仍然是串行执行的。要实现真正的并发（同时运行），需要使用 asyncio.create_task() 或 asyncio.gather()。

方法一：使用 create_task

import asyncio
import time

async def task(name, delay):
    print(f"{name} started")
    await asyncio.sleep(delay)
    print(f"{name} finished after {delay}s")
    return name

async def main():
    start_time = time.time()
    
    # 创建两个任务，它们会几乎同时开始运行
    task1 = asyncio.create_task(task("Task A", 2))
    task2 = asyncio.create_task(task("Task B", 3))
    
    # 等待两个任务都完成
    await task1
    await task2
    
    end_time = time.time()
    print(f"Total time: {end_time - start_time:.2f}s") 
    # 输出约为 3.00s，而不是 5.00s，证明是并发执行的

asyncio.run(main())

方法二：使用 asyncio.gather

gather 可以方便地并发运行多个协程并收集结果。

import asyncio

async def fetch_data(id, delay):
    await asyncio.sleep(delay)
    return f"Data {id}"

async def main():
    # 并发执行三个任务
    results = await asyncio.gather(
        fetch_data(1, 1),
        fetch_data(2, 2),
        fetch_data(3, 1)
    )
    print(results)  # ['Data 1', 'Data 2', 'Data 3']

asyncio.run(main())

一个完整的爬虫样例

import asyncio
from requests import get
from bs4 import BeautifulSoup

async def get_weather(city):
        "parameter: city (sichuan/chengdu,beijing/haidian)"
        myUrl="https://www.ip.cn/tianqi/"+city+"/15day.html"
        
        myHeaders = {
        'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36'}
        
        print(myUrl)
        response=get(url=myUrl,headers=myHeaders)     
       
        
        if (response.status_code==200):
            print("顺利获取数据")
        else:
            print("目的网站无法连接")
            print(response.status_code)
            # return None
            return ({city:[]})        
        
        response.encoding = 'utf8'
        html=response.text
        soup=BeautifulSoup(html,"html.parser")
        # print(soup) 

        # 查找单个匹配的div元素
        soup = soup.find_all('div', class_='table-inner') 
        # print(soup)

        soup=BeautifulSoup(str(soup),"html.parser")

        soupDate = soup.find_all('p',class_='date')
        soupTemp = soup.find_all('p',class_='text-gray') 

        myDate=[]
        for i in soupDate:
            date=i.getText()
            myDate.append(date[0:10])    # 只取日期  *

        myTempL=[]
        myTempH=[]

        for i in soupTemp[0::4]:         # 每四个元素一组，分别对应气温  *
            t=i.getText()
            t=t.replace('℃','')        # 去掉℃
            t=t.split('～')             # 分割最低温度和最高温度
            myTempL.append(int(t[0]))
            myTempH.append(int(t[1]))

        myinfor=list(zip(myDate,myTempL,myTempH))  #组合输出
        return ({city:myinfor})
async def main():
    tasks = [get_weather(f"sichuan/chengdu"),
             get_weather(f"sichuan/zigong"),
             get_weather(f"hainan/sanya"),
             get_weather(f"beijing/haidian")]
    results = await asyncio.gather(*tasks)
    for res in results:
        print(res)

asyncio.run(main())