Python爬虫速度很慢？多线程爬虫了解一下，提高10倍速度
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Python爬虫速度很慢？多线程爬虫了解一下，提高10倍速度，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4864字，纯文字阅读大概需要7分钟。
内容图文
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理
以下文章来源于Python知识学堂 ，作者： 東不归
私信回复“资料”，即可免费领取Python实战案例讲解视频
Python多线程爬虫讲解视频观看地址
https://www.bilibili.com/video/BV1L54y1r73F/
前言
本次推文介绍一下多线程。不过值得注意的是，不能滥用多线程，多线程爬虫请求内容速度过快，可能会导致服务器过载，或者是IP被封禁。为了避免这一问题，我们在使用多线程爬虫的时候需要设置一个delay时间，用于请求同一域名时的最小时间间隔。
线程和进程如何工作
当程序在运行时，就会创建包含代码和状态的进程。这些进程通过一个或者多个CPU来执行。不过同一时刻每个CPU只会执行一个进程，然后在不同进程之间快速切换，这样就感觉多个程序同时运行。同理，在一个进程中，程序的执行也是在不同线程间进行切换的，每个线程执行程序的不同部分。这就意味着一个线程在等待执行时，进程会切换到其他的线程执行，这样可以避免浪费CPU时间。
Threading线程模块
在Python标准库中，使用threading模块来支持多线程。Threading模块对thread进行了封装，绝大数情况，只需要使用threading这个模块。使用起来也非常简单：
t1=threading.Thread(target=run,args=("t1",)) 创建一个线程实例
# target是要执行的函数名（不是函数），args是函数对应的参数，以元组的形式存在
t1.start() 启动这个线程实例。
普通创建方式
线程的创建很简单，如下：
import threading
import time
def printStr(name):
print(name+"-python青灯")
s=0.5
time.sleep(s)
print(name+"-python青灯")
t1=threading.Thread(target=printStr,args=("你好！",))
t2=threading.Thread(target=printStr,args=("欢迎你！",))
t1.start()
t2.start()
自定义线程
本质是继承threading.Thread，重构Thread类中的run方法
import threading
import time
class testThread(threading.Thread):
def __init__(self,s):
super(testThread,self).__init__()
self.s=s
def run(self):
print(self.s+"——python")
time.sleep(0.5)
print(self.s+"——青灯")
if __name__=='__main__':
t1=testThread("测试1")
t2=testThread("测试2")
t1.start()
t2.start()
守护线程
使用setDaemon(True)把子线程都变成主线程的守护线程，因此当主线程结束后，子线程也会随之结束。也就是说，主线程不等待其守护线程执行完成再去关闭。
import threading
import time
def run(s):
print(s,"python")
time.sleep(0.5)
print(s,"青灯")
if __name__ == "__main__":
t=threading.Thread(target=run,args=("你好!",))
t.setDaemon(True)
t.start()
print("end")
结果：
你好! python
end
当主线程结束后，守护线程不管有没有结束，都自动结束。
主线程等待子线程结束
使用join方法，让主线程等待子线程执行。如下：
import threading
import time
def run(s):
print(s,"python")
time.sleep(0.5)
print(s,"青灯")
if __name__ == "__main__":
t=threading.Thread(target=run,args=("你好!",))
t.setDaemon(True)
t.start()
t.join()
print("end")
结果：
你好! python
你好! 青灯
end
以上是多线程的几种简单的用法，那么threading模块还有做什么呢？请往下看。
Lock 锁
其实在介绍diskcache缓存的时候也介绍过锁的相关内容，其实不难理解为啥多线程中也会出现锁的概念，当没有保护共享资源时，多个线程在处理同一资源时，可能会出现脏数据，造成不可以预期的结果，即线程不安全。
如下示例出现不可预期的结果：
import threading
price=0
def changePrice(n):
global price
price=price+n
price=price-n
def runChange(n):
for i in range(2000000):
changePrice(n)
if __name__ == "__main__":
t1=threading.Thread(target=runChange,args=(5,))
t2=threading.Thread(target=runChange,args=(8,))
t1.start()
t2.start()
t1.join()
t2.join()
print(price)
理论上的结果为0，但是每次运行的结果可能都是不一样的。
所以这个时候就需要锁去处理了，如下：
import threading
import time
from threading import Lock
price=0
def changePrice(n):
global price
lock.acquire() #获取锁
price=price+n
print("price:"+str(price))
price=price-n
lock.release() #释放锁
def runChange(n):
for i in range(2000000):
changePrice(n)
if __name__ == "__main__":
lock=Lock()
t1=threading.Thread(target=runChange,args=(5,))
t2=threading.Thread(target=runChange,args=(8,))
t1.start()
t2.start()
t1.join()
t2.join()
print(price)
结果值与理论值是一致的。锁的意义在于每次只允许一个线程去修改同一数据，以保证线程安全。
信号量
BoundedSemaphore类，同时允许一定数量的线程更改数据，如下：
import threading
import time
def work(n):
semaphore.acquire()
print("序号:"+str(n))
time.sleep(1)
semaphore.release()
if __name__ == "__main__":
semaphore=threading.BoundedSemaphore(5)
for i in range(100):
t=threading.Thread(target=work,args=(i+1,))
t.start()
#active_count获取当前正在运行的线程数
while threading.active_count()!=1:
pass
else:
print("end")
结果为：每5次打印停顿一下，直到结束。
GIL全局解释器锁
说到多线程，不得不提一下GIL。GIL的全称是Global Interpreter Lock(全局解释器锁)，这是python设计之初，为了数据安全所做的决定。某个线程想要执行，必须先拿到GIL，并且在一个进程中，GIL只有一个。只有拿到GIL的线程，才能进入CPU执行。GIL只在cpython中才有，因为cpython调用的是c语言的原生线程，所以他不能直接操作cpu，只能利用GIL保证同一时间只能有一个线程拿到数据。而在pypy和jpython中是没有GIL的。
总结
本篇文章介绍了多线程的用法，要根据实际的情况去使用。多线程编程，容易发生冲突，必须用锁加以隔离，又得小心发生死锁。由于Python的设计时有GIL全局锁，导致多线程无法利用多核，使得在多线程并发的情况下并不理想。
内容总结
以上是互联网集市为您收集整理的Python爬虫速度很慢？多线程爬虫了解一下，提高10倍速度全部内容，希望文章能够帮你解决Python爬虫速度很慢？多线程爬虫了解一下，提高10倍速度所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。