多线程的方法使用
在python3中,主线程主进程结束,子线程,子进程不会结束
为了能够让主线程回收子线程,可以把子线程设置为守护线程,即该线程不重要,主线程结束,子线程结束
t1 = threading.Thread(targe=func,args=(,))
t1.setDaemon(True) # 设置为守护线程
t1.start() #此时线程才会启动
队列模块的使用
from queue import Queue
q = Queue(maxsize=100) # maxsize为队列长度
item = {}
q.put_nowait(item) #不等待直接放,队列满的时候会报错
q.put(item) #放入数据,队列满的时候会阻塞等待
q.get_nowait() #不等待直接取,队列空的时候会报错
q.get() #取出数据,队列为空的时候会阻塞等待
q.qsize() #获取队列中现存数据的个数
q.join() # 队列中维持了一个计数(初始为0),计数不为0时候让主线程阻塞等待,队列计数为0的时候才会继续往后执行
# q.join()实际作用就是阻塞主线程,与task_done()配合使用
# put()操作会让计数+1,task_done()会让计数-1
# 计数为0,才停止阻塞,让主线程继续执行
q.task_done() # put的时候计数+1,get不会-1,get需要和task_done 一起使用才会-1
import requests
from lxml import etree
from queue import Queue
import threading
class Qiubai:
def __init__(self):
self.temp_url = "https://www.qiushibaike.com/8hr/page/{}/"
self.headers= {"User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X \
10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36"}
self.url_queue = Queue()
self.html_queue = Queue()
self.content_list_queue = Queue()
def get_url_list(self):#获取url列表
for i in range(1,14):
self.url_queue.put(self.temp_url.format(i))
def parse_url(self):
while True: #在这里使用,子线程不会结束,把子线程设置为守护线程
url = self.url_queue.get()
# print(url)
response = requests.get(url,headers=self.headers)
self.html_queue.put(response.content.decode())
self.url_queue.task_done()
def get_content_list(self): #提取数据
while True:
html_str = self.html_queue.get()
html = etree.HTML(html_str)
div_list = html.xpath("//div[@id='content-left']/div")
content_list = []
for div in div_list:
content = {}
content["content"] = div.xpath(".//div[@class='content']/span/text()")
content_list.append(content)
self.content_list_queue.put(content_list)
self.html_queue.task_done()
def save_content_list(self):
while True:
content_list = self.content_list_queue.get()
for content in content_list:
print(content) # 此处对数据进行保存操作
self.content_list_queue.task_done()
def run(self):
thread_list = []
#1.url_list
t_url = threading.Thread(target=self.get_url_list)
thread_list.append(t_url)
#2.遍历,发送请求,
for i in range(3): #三个线程发送请求
t_parse = threading.Thread(target=self.parse_url)
thread_list.append(t_parse)
#3.提取数据
t_content = threading.Thread(target=self.get_content_list)
thread_list.append(t_content)
#4.保存
t_save = threading.Thread(target=self.save_content_list)
thread_list.append(t_save)
for t in thread_list:
t.setDaemon(True) #把子线程设置为守护线程,当前这个线程不重要,主线程结束,子线程技术
t.start()
for q in [self.url_queue,self.html_queue,self.content_list_queue]:
q.join() #让主线程阻塞,等待队列的计数为0,
print("主线程结束")
if __name__ == '__main__':
qiubai = Qiubai()
qiubai.run()
- put会让队列的计数+1,但是单纯的使用get不会让其-1,需要和task_done同时使用才能够-1
- task_done不能放在另一个队列的put之前,否则可能会出现数据没有处理完成,程序结束的情况