问题:使用与 asyncio 关联的 pyppeteer 抓取内容

我已经结合pyppeteer和asyncio在python中编写了一个脚本,以从其登录页面抓取不同帖子的链接,并最终通过跟踪通向其内页的url来获取每个帖子的标题。我在这里解析的内容不是动态的。但是,我使用了pyppeteer和asyncio来看看它执行asynchronously的效率如何。

以下脚本运行了一段时间,但随后出现错误:

File "C:\Users\asyncio\tasks.py", line 526, in ensure_future
raise TypeError('An asyncio.Future, a coroutine or an awaitable is '
TypeError: An asyncio.Future, a coroutine or an awaitable is required

这是我到目前为止所写的:

import asyncio
from pyppeteer import launch

link = "https://stackoverflow.com/questions/tagged/web-scraping"

async def fetch(page,url):
    await page.goto(url)
    linkstorage = []
    elements = await page.querySelectorAll('.summary .question-hyperlink')
    for element in elements:
        linkstorage.append(await page.evaluate('(element) => element.href', element))
    tasks = [await browse_all_links(link, page) for link in linkstorage]
    results = await asyncio.gather(*tasks)
    return results

async def browse_all_links(link, page):
    await page.goto(link)
    title = await page.querySelectorEval('.question-hyperlink','(e => e.innerText)')
    print(title)

async def main(url):
    browser = await launch(headless=True,autoClose=False)
    page = await browser.newPage()
    await fetch(page,url)

if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    future = asyncio.ensure_future(main(link))
    loop.run_until_complete(future)
    loop.close()

我的问题:我怎样才能摆脱这个错误并异步执行?

解答

问题出在以下几行:

tasks = [await browse_all_links(link, page) for link in linkstorage]
results = await asyncio.gather(*tasks)

目的是让tasks成为等待对象的列表,例如协程对象或期货。该列表将被传递给gather,以便等待对象可以并行运行,直到它们全部完成。但是,列表推导包含一个 await,这意味着它:

• 执行每个browser_all_links以串行而不是并行完成;

• 将browse_all_links调用的返回值放入列表中。

由于browse_all_links不返回值,因此您将None对象列表传递给asyncio.gather,它抱怨它没有得到等待对象。

要解决此问题,只需从列表理解中删除await。