快捷導(dǎo)航

Python異步爬蟲多線程與線程池示例詳解

更新時(shí)間：2021年09月29日 16:14:55 作者：小緣喵~

這篇文章主要為大家介紹了Python異步爬蟲多線程與線程池示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步

背景

當(dāng)對多個(gè)url發(fā)送請求時(shí)，只有請求完第一個(gè)url才會接著請求第二個(gè)url（requests是一個(gè)阻塞的操作），存在等待的時(shí)間，這樣效率是很低的。那我們能不能在發(fā)送請求等待的時(shí)候，為其單獨(dú)開啟進(jìn)程或者線程，繼續(xù)請求下一個(gè)url，執(zhí)行并行請求

異步爬蟲方式

多線程，多進(jìn)程（不建議）

好處：可以為相關(guān)阻塞的操作單獨(dú)開啟線程或者進(jìn)程，阻塞操作就可以異步會執(zhí)行

弊端：不能無限制開啟多線程或者多進(jìn)程（需要頻繁的創(chuàng)建或者銷毀進(jìn)程，線程）

線程池，進(jìn)程池（適當(dāng)使用）

好處：可以降低系統(tǒng)對進(jìn)程或線程創(chuàng)建和銷毀的頻率，從而很好的而降低系統(tǒng)的開銷

弊端：線程或進(jìn)程池中的數(shù)量是有上限的

單線程+異步協(xié)程（推薦）

多線程

正常運(yùn)行如下的代碼，需要花費(fèi)8秒鐘的時(shí)間，因?yàn)閟leep是一個(gè)阻塞的操作，在等待的時(shí)候不會執(zhí)行別的操作，極大地降低了效率

from time import sleep
import time
start = time.time()
def xx(str):
    print('正在下載：', str)
    sleep(2)
str = ['xiaozi', 'aa', 'bb', 'cc']
for i in str:
    xx(i)
end = time.time()
print('程序運(yùn)行時(shí)間：',end-start)

使用多線程后

from threading import Thread
from time import sleep
import time
start = time.time()
def xx(str):
        print('正在下載：',str)
        sleep(2)
str =  ['xiaozi','aa','bb','cc']
def main():
    for s in str:
        #開啟線程，target=函數(shù)名,args=(xx,) ,xx為向函數(shù)傳遞的參數(shù)，必須為元組類型，所以后面需要加,
        t = Thread(target=xx,args=(s,))
        t.start()
if __name__ == '__main__':
    main()
    end = time.time()
    print('程序運(yùn)行時(shí)間：',end-start)

但是我們發(fā)現(xiàn)下面的運(yùn)行順序貌似有點(diǎn)亂的

線程池

對上面的改為線程池后運(yùn)行

#倒入線程池模塊對應(yīng)的類
from multiprocessing.dummy import Pool
from time import sleep
import time
start = time.time()
def xx(str):
        print('正在下載：',str)
        sleep(2)
str =  ['xiaozi','aa','bb','cc']
#實(shí)例化一個(gè)線程池對象，線程池中開辟四個(gè)線程對象，并行4個(gè)線程處理四個(gè)阻塞操作
pool = Pool(4)
#將列表中的每一個(gè)列表元素（可迭代對象）傳遞給xx函數(shù)（發(fā)生阻塞的操作）進(jìn)行處理
#map方法會有一個(gè)返回值為函數(shù)的返回值（一個(gè)列表），但是這里沒有返回值所以不考慮
#調(diào)用map方法
pool.map(xx,str)
end = time.time()
print('程序運(yùn)行時(shí)間：',end-start)