Python 爬蟲多線程詳解及實(shí)例代碼
python是支持多線程的,主要是通過thread和threading這兩個(gè)模塊來實(shí)現(xiàn)的。thread模塊是比較底層的模塊,threading模塊是對(duì)thread做了一些包裝的,可以更加方便的使用。
雖然python的多線程受GIL限制,并不是真正的多線程,但是對(duì)于I/O密集型計(jì)算還是能明顯提高效率,比如說爬蟲。
下面用一個(gè)實(shí)例來驗(yàn)證多線程的效率。代碼只涉及頁面獲取,并沒有解析出來。
# -*-coding:utf-8 -*- import urllib2, time import threading class MyThread(threading.Thread): def __init__(self, func, args): threading.Thread.__init__(self) self.args = args self.func = func def run(self): apply(self.func, self.args) def open_url(url): request = urllib2.Request(url) html = urllib2.urlopen(request).read() print len(html) return html
if __name__ == '__main__': # 構(gòu)造url列表 urlList = [] for p in range(1, 10): urlList.append('http://s.wanfangdata.com.cn/Paper.aspx?q=%E5%8C%BB%E5%AD%A6&p=' + str(p))
# 一般方式 n_start = time.time() for each in urlList: open_url(each) n_end = time.time() print 'the normal way take %s s' % (n_end-n_start)
# 多線程 t_start = time.time() threadList = [MyThread(open_url, (url,)) for url in urlList] for t in threadList: t.setDaemon(True) t.start() for i in threadList: i.join() t_end = time.time() print 'the thread way take %s s' % (t_end-t_start)
分別用兩種方式獲取10個(gè)訪問速度比較慢的網(wǎng)頁,一般方式耗時(shí)50s,多線程耗時(shí)10s。
多線程代碼解讀:
# 創(chuàng)建線程類,繼承Thread類 class MyThread(threading.Thread): def __init__(self, func, args): threading.Thread.__init__(self) # 調(diào)用父類的構(gòu)造函數(shù) self.args = args self.func = func def run(self): # 線程活動(dòng)方法 apply(self.func, self.args)
threadList = [MyThread(open_url, (url,)) for url in urlList] # 調(diào)用線程類創(chuàng)建新線程,返回線程列表 for t in threadList: t.setDaemon(True) # 設(shè)置守護(hù)線程,父線程會(huì)等待子線程執(zhí)行完后再退出 t.start() # 線程開啟 for i in threadList: i.join() # 等待線程終止,等子線程執(zhí)行完后再執(zhí)行父線程
以上就是本文的全部內(nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助。
- Python基礎(chǔ)進(jìn)階之海量表情包多線程爬蟲功能的實(shí)現(xiàn)
- python3爬蟲中多線程進(jìn)行解鎖操作實(shí)例
- Python如何使用隊(duì)列方式實(shí)現(xiàn)多線程爬蟲
- python爬蟲開發(fā)之使用Python爬蟲庫requests多線程抓取貓眼電影TOP100實(shí)例
- python支持多線程的爬蟲實(shí)例
- python爬蟲中多線程的使用詳解
- python面向?qū)ο蠖嗑€程爬蟲爬取搜狐頁面的實(shí)例代碼
- python爬蟲爬取快手視頻多線程下載功能
- Python之多線程爬蟲抓取網(wǎng)頁圖片的示例代碼
- Python3多線程爬蟲實(shí)例講解代碼
- php與python實(shí)現(xiàn)的線程池多線程爬蟲功能示例
- python多線程爬取西刺代理的示例代碼
相關(guān)文章
使用python如何將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測試集
這篇文章主要介紹了使用python如何將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測試集問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-09-09Python利用OpenCV和skimage實(shí)現(xiàn)圖像邊緣檢測
提取圖片的邊緣信息是底層數(shù)字圖像處理的基本任務(wù)之一。本文將通過OpenCV和skimage的?Canny?算法實(shí)現(xiàn)圖像邊緣檢測,感興趣的可以了解一下2022-12-12Python中inplace、subset參數(shù)的意義及說明
這篇文章主要介紹了Python中inplace、subset參數(shù)的意義及說明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08python實(shí)現(xiàn)文件+參數(shù)發(fā)送request的實(shí)例代碼
這篇文章主要介紹了python實(shí)現(xiàn)文件+參數(shù)發(fā)送request的實(shí)例代碼,本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-01-01