Python多线程爬虫简单示例

 更新时间:2016年03月04日 16:41:58   投稿:lijiao  
这篇文章主要为大家详细介绍了Python多线程爬虫简单示例,感兴趣的小伙伴们可以参考一下

 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

以上就是本文的全部内容,希望对大家的学习有所帮助。

相关文章

  • Python使用py2neo操作图数据库neo4j的方法详解

    Python使用py2neo操作图数据库neo4j的方法详解

    这篇文章主要介绍了Python使用py2neo操作图数据库neo4j的方法,结合实例形式详细分析了Python使用py2neo操作图数据库neo4j的具体步骤、原理、相关使用技巧与操作注意事项,需要的朋友可以参考下
    2020-01-01
  • python入门教程之基本算术运算符

    python入门教程之基本算术运算符

    这篇文章主要给大家介绍了关于python入门教程之基本算术运算符的相关资料,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-11-11
  • numpy中的ndarray方法和属性详解

    numpy中的ndarray方法和属性详解

    这篇文章主要介绍了numpy中的ndarray方法和属性详解,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2019-05-05
  • Python pyecharts Boxplot箱线图的实现

    Python pyecharts Boxplot箱线图的实现

    本文主要介绍了Python pyecharts Boxplot箱线图的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2022-05-05
  • python实现计算器功能

    python实现计算器功能

    这篇文章主要为大家详细介绍了python实现计算器功能,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2019-10-10
  • 如何使用pycharm连接Databricks的步骤详解

    如何使用pycharm连接Databricks的步骤详解

    这篇文章主要介绍了如何使用pycharm连接Databricks,本文分步骤给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2020-09-09
  • 详解Python的单元测试

    详解Python的单元测试

    这篇文章主要介绍了Python的单元测试,代码基于Python2.x版本,需要的朋友可以参考下
    2015-04-04
  • 修改Python pip下载包的默认路径详细步骤记录

    修改Python pip下载包的默认路径详细步骤记录

    这篇文章主要介绍了如何修改pip的默认安装路径以释放C盘空间,特别是针对机器学习相关的大型包,可以将pip的安装位置更改为其他目录,需要的朋友可以参考下
    2025-03-03
  • 通过pycharm的database设置进行数据库的可视化方式

    通过pycharm的database设置进行数据库的可视化方式

    这篇文章主要介绍了通过pycharm的database设置进行数据库的可视化方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2023-09-09
  • Python中异常类型ValueError使用方法与场景

    Python中异常类型ValueError使用方法与场景

    这篇文章主要介绍了Python中的ValueError异常类型,它在处理不合适的值时抛出,并提供如何有效使用ValueError的建议,文中通过代码介绍的非常详细,需要的朋友可以参考下
    2025-01-01

最新评论