最新文章专题视频专题问答1问答10问答100问答1000问答2000关键字专题1关键字专题50关键字专题500关键字专题1500TAG最新视频文章推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37视频文章20视频文章30视频文章40视频文章50视频文章60 视频文章70视频文章80视频文章90视频文章100视频文章120视频文章140 视频2关键字专题关键字专题tag2tag3文章专题文章专题2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章专题3
当前位置: 首页 - 科技 - 知识百科 - 正文

Python多线程爬虫简单示例

来源:动视网 责编:小采 时间:2020-11-27 14:35:40
文档

Python多线程爬虫简单示例

Python多线程爬虫简单示例:python是支持多线程的,主要是通过thread和threading这两个模块来实现的。thread模块是比较底层的模块,threading模块是对thread做了一些包装的,可以更加方便的使用。 虽然python的多线程受GIL限制,并不是真正的多线程,但是对于I/O密集型计算还是能明显
推荐度:
导读Python多线程爬虫简单示例:python是支持多线程的,主要是通过thread和threading这两个模块来实现的。thread模块是比较底层的模块,threading模块是对thread做了一些包装的,可以更加方便的使用。 虽然python的多线程受GIL限制,并不是真正的多线程,但是对于I/O密集型计算还是能明显


python是支持多线程的,主要是通过thread和threading这两个模块来实现的。thread模块是比较底层的模块,threading模块是对thread做了一些包装的,可以更加方便的使用。

虽然python的多线程受GIL限制,并不是真正的多线程,但是对于I/O密集型计算还是能明显提高效率,比如说爬虫。

下面用一个实例来验证多线程的效率。代码只涉及页面获取,并没有解析出来。

# -*-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__':
 # 构造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)
 
 # 多线程
 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)

分别用两种方式获取10个访问速度比较慢的网页,一般方式耗时50s,多线程耗时10s。

多线程代码解读:

# 创建线程类,继承Thread类
class MyThread(threading.Thread):
 def __init__(self, func, args):
 threading.Thread.__init__(self) # 调用父类的构造函数
 self.args = args
 self.func = func
 
 def run(self): # 线程活动方法
 apply(self.func, self.args)
 

threadList = [MyThread(open_url, (url,)) for url in urlList] # 调用线程类创建新线程,返回线程列表
 for t in threadList:
 t.setDaemon(True) # 设置守护线程,父线程会等待子线程执行完后再退出
 t.start() # 线程开启
 for i in threadList:
 i.join() # 等待线程终止,等子线程执行完后再执行父线程

文档

Python多线程爬虫简单示例

Python多线程爬虫简单示例:python是支持多线程的,主要是通过thread和threading这两个模块来实现的。thread模块是比较底层的模块,threading模块是对thread做了一些包装的,可以更加方便的使用。 虽然python的多线程受GIL限制,并不是真正的多线程,但是对于I/O密集型计算还是能明显
推荐度:
标签: 简单 实例 python
  • 热门焦点

最新推荐

猜你喜欢

热门推荐

专题
Top