用python做絡開闢的人估算都據說過gevent這個庫，gevent是一個第三方的python協程庫，其是在微線程庫greenlet的根基上構建而成，并且採用了epoll活動監聽機制，這讓gevent具有很好的功能并且比greenlet更好用。依據gevent官方的資料（址：.gevent.org），gevent具有以下特色：
筆者結算一下，gevent大要原則即是當一個greenlet遭遇需求等到的操縱時（多為IO操縱），例如絡IO安眠等到，這時就會主動切換到其他的greenlet，等上述操縱辦妥后，再在恰當的時候切換回來繼續執行。在這個過程中實在仍然只有一個線程在執行，但由於我們在等到某些IO操縱時，切換到了其他操縱，避免了無用的等到，這就為我們大大節省了時間，提高了效率。
筆者也是在看了gevent這麼多的好處之后，感到有必須上手試一試，但最初功效極度不理會想，速度增加并不大，后來在仔細研討了gevent的服法之后，發明gevent的高效率是有前提的，而此中一個主要前提即是monkey patch的採用，也即是我們常說的猴子補丁。
monkey patch即是在不變更源代碼的場合下，對步驟進行更換和優化，其重要實用于動態語言。通過monkey patch，gevent替代了尺度庫里面大部門的堵塞式體制調用，例如socket、ssl、threading和select等，而變為協作式運行。下面筆者還是通過代碼來演示一下monkey patch的服法以及採用前提。筆者呈現的這個步驟是一個小型的爬 蟲步驟，步驟代碼量少，便于瀏覽和運行，同時也能較好地測試出monkey patch的增加水平。重要思路是從Box Office Mojo站抓取北美影戲市場本年第二季度上映的影戲，然后從每部影戲的信息頁面提掏出每部影戲的影戲分級，然后把每部影戲的名稱和其對應分級保留在一個字典當中，再測試一下整個過程的時間。在這里，運彩 退錢我們重要測試三種場合下的步驟辦妥時間，差別是平凡不採用gevent的爬 蟲，採用gevent但不必monkey patch的爬 蟲，以及採用gevent和monkey patch的爬 蟲。
首要看平凡不採用gevent的爬 蟲。
先導入需求的庫。
然后讀取第二季度上映影戲的頁面。
上述代碼中變量url即是第二季度上映影戲的頁地址，其頁面截圖如圖1所示。headers是爬蟲模仿閱讀器的頭部信息，每部影戲的信息頁面即是圖1中表格頭一行列名Release下面每部影戲名稱所涵蓋的址，點擊每部影戲名稱就可進足球運彩加時入其對應頁面。由於這個址是相對地址，所以要轉換成絕對地址。
圖1. 第二季度上映影戲的頁面
接下來是每部影戲的信息頁面的讀取。
這個函數即是為了讀取每部影戲信息頁面的信息，其性能和上面讀取url頁面的性能相似，都極度簡樸，沒有過多可說的。在每部影戲頁面中，我們要讀取的每部影戲的分級信息就在Genres這一行，例如圖2中影戲The Wretched，其Genres信息即是Horror。
圖2. 示例影戲信息頁面
接下來是時間測算。
我們測算時間用time.time()想法，用了結時間減去開端時間即是步驟運行時間，這里我們重要測試sper這個函數多次運行的時間。結局顯示，該過程耗時59.6188秒。
第二個爬蟲是採用gevent但不必monkey patch的爬蟲。其完整代碼如下。
這里絕大部門代碼和前面爬蟲代碼雷同，但多了一個task_list變量，其是用于寄存協程的列表，我們從gevent_start = time.time()這行開端看，由於前面的代碼都和之前的爬蟲雷同。task = gevent.span(sper, u)是生成gevent中生成協程的想法，task_list.append(task)是把每個協程放入這個列表中，而gevent.joinall(task_list)即是運行所有協程。上面這些過程和我們運行多線程的方式極度類似。運行結局是59.1744秒。
最后一個爬蟲即是同時採用gevent和monkey patch的爬蟲，在這里筆者不再粘貼代碼，由於其代碼和第二個爬蟲幾乎一模一樣，只有一個區別，即是多了一行代碼from gevent import monkey; monkey.patch_all()，留心這是一行代碼，但是涵蓋兩個語句，用分號放在了一起。最主要的是，這行代碼要放在所有代碼的前面，切記！！！
這個爬蟲的運行結局是26.9184秒。
筆者把這里三個爬蟲差別放在三個文件中，差別起名為normal_sper.py、gevent_sper_no.py和gevent_sper.py，差別表明平凡不必gevent的爬蟲、採用gevent但不必monkey patch的爬蟲、採用gevent和monkey patch的爬蟲。這里有一點要留心，monkey patch暫不支持jupyter notebook，所以這三個步驟要在號召行中採用，不可在notebook中採用。
最后把三種爬蟲的結局結算如下。
圖3. 三種爬蟲的結局對比
可以看出採用了gevent但不必monkey patch的爬蟲和平凡爬蟲的運行時間幾乎徹底相等，而在用了monkey patch以后，運行時間只有前面步驟的各半不到，速度增加了大概120，而已一行代碼就帶來如此大的速度增加，可見monkey patch的作用世足運彩線上還是很大的。而對于前兩個爬蟲的速度幾乎徹底一樣，筆者以為來由在于這兩個步驟都是單線程運行，本性上沒有太大區別，同時頁讀取數目較小（只有18個頁），也很丟臉出gevent的功效。
從本例中可以看出monkey patch還是有不小增加的，但gevent目前只對常見庫尤其是官方尺度庫有patc博弈版h作用，其他第三方庫的功效還不得而知，所以對monkey patch的採用還是要視場合而定。本文的代碼筆者放在gitee代碼站上，址是sgitee.leonmoviespeed-up-gevent-sper-ith-monkey-patch，如有需求可以自行下載。
