Python3多線程爬蟲(chóng)實(shí)例講解代碼

發(fā)布時(shí)間：2020-10-17 03:56:13 來(lái)源：腳本之家閱讀：378 作者：pythontab 欄目：開(kāi)發(fā)技術(shù)

多線程概述

多線程使得程序內(nèi)部可以分出多個(gè)線程來(lái)做多件事情，充分利用CPU空閑時(shí)間，提升處理效率。python提供了兩個(gè)模塊來(lái)實(shí)現(xiàn)多線程thread 和threading ，thread 有一些缺點(diǎn)，在threading 得到了彌補(bǔ)。并且在Python3中廢棄了thread模塊，保留了更強(qiáng)大的threading模塊。

使用場(chǎng)景

在python的原始解釋器CPython中存在著GIL（Global Interpreter Lock，全局解釋器鎖），因此在解釋執(zhí)行python代碼時(shí)，會(huì)產(chǎn)生互斥鎖來(lái)限制線程對(duì)共享資源的訪問(wèn)，直到解釋器遇到I/O操作或者操作次數(shù)達(dá)到一定數(shù)目時(shí)才會(huì)釋放GIL。所以，雖然CPython的線程庫(kù)直接封裝了系統(tǒng)的原生線程，但CPython整體作為一個(gè)進(jìn)程，同一時(shí)間只會(huì)有一個(gè)獲得GIL的線程在跑，其他線程則處于等待狀態(tài)。這就造成了即使在多核CPU中，多線程也只是做著分時(shí)切換而已。

如果你的程序是CPU密集型，多個(gè)線程的代碼很有可能是線性執(zhí)行的。所以這種情況下多線程是雞肋，效率可能還不如單線程因?yàn)橛猩舷挛那袚Q開(kāi)銷(xiāo)。但是如果你的代碼是IO密集型，涉及到網(wǎng)絡(luò)、磁盤(pán)IO的任務(wù)都是IO密集型任務(wù)，多線程可以明顯提高效率，例如多線程爬蟲(chóng)，多線程文件處理等等

多線程爬蟲(chóng)

多線程爬蟲(chóng)的代碼實(shí)例

注：以下代碼在python3下運(yùn)行通過(guò)， python2版本差異較大，不能運(yùn)行成功，如需幫助請(qǐng)下方留意。

# coding=utf-8
import threading, queue, time, urllib
from urllib import request
baseUrl = 'http://www.pythontab.com/html/pythonjichu/'
urlQueue = queue.Queue()
for i in range(2, 10):
 url = baseUrl + str(i) + '.html'
 urlQueue.put(url)
 #print(url)
def fetchUrl(urlQueue):
 while True:
  try:
   #不阻塞的讀取隊(duì)列數(shù)據(jù)
   url = urlQueue.get_nowait()
   i = urlQueue.qsize()
  except Exception as e:
   break
  print ('Current Thread Name %s, Url: %s ' % (threading.currentThread().name, url))
  try:
   response = urllib.request.urlopen(url)
   responseCode = response.getcode()
  except Exception as e:
   continue
  if responseCode == 200:
   #抓取內(nèi)容的數(shù)據(jù)處理可以放到這里
   #為了突出效果， 設(shè)置延時(shí)
   time.sleep(1)
if __name__ == '__main__':
 startTime = time.time()
 threads = []
 # 可以調(diào)節(jié)線程數(shù)， 進(jìn)而控制抓取速度
 threadNum = 4
 for i in range(0, threadNum):
  t = threading.Thread(target=fetchUrl, args=(urlQueue,))
  threads.append(t)
 for t in threads:
  t.start()
 for t in threads:
  #多線程多join的情況下，依次執(zhí)行各線程的join方法, 這樣可以確保主線程最后退出， 且各個(gè)線程間沒(méi)有阻塞
  t.join()
 endTime = time.time()
 print ('Done, Time cost: %s ' % (endTime - startTime))

運(yùn)行結(jié)果：

1個(gè)線程時(shí)：

Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/2.html 
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/3.html 
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/4.html 
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/5.html 
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/6.html 
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/7.html 
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/8.html 
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/9.html 
Done, Time cost: 8.182249069213867

2個(gè)線程時(shí)：

Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/2.html 
Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/3.html 
Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/4.html 
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/5.html 
Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/6.html 
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/7.html 
Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/8.html 
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/9.html 
Done, Time cost: 4.0987958908081055

3個(gè)線程時(shí)：

Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/2.html 
Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/3.html 
Current Thread Name Thread-3, Url: http://www.pythontab.com/html/pythonjichu/4.html 
Current Thread Name Thread-4, Url: http://www.pythontab.com/html/pythonjichu/5.html 
Current Thread Name Thread-2, Url: http://www.pythontab.com/html/pythonjichu/6.html 
Current Thread Name Thread-4, Url: http://www.pythontab.com/html/pythonjichu/7.html 
Current Thread Name Thread-1, Url: http://www.pythontab.com/html/pythonjichu/9.html 
Current Thread Name Thread-3, Url: http://www.pythontab.com/html/pythonjichu/8.html 
Done, Time cost: 2.287320137023926

通過(guò)調(diào)節(jié)線程數(shù)可以看到，執(zhí)行時(shí)間會(huì)隨著線程數(shù)的增加而縮短，抓取效率成正比增加。

總結(jié)：

Python多線程在IO密集型任務(wù)，多線程可以明顯提高效率，CPU密集型任務(wù)不適合使用多線程處理。

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持億速云。

向AI問(wèn)一下細(xì)節(jié)

Python3多線程爬蟲(chóng)實(shí)例講解代碼

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽