在第 11 章,你编写了一个程序,从XKCD 网站下载所有的 XKCD 漫画。这是
一个单线程程序:它一次下载一幅漫画。程序运行的大部分时间,都用于建立网络连接来开始下载,以及将下载的图像写入硬盘。如果你有宽带因特网连接,单线程程序并没有充分利用可用的带宽。
多线程程序中有一些线程在下载漫画,同时另一些线程在建立连接,或将漫画图像文件写入硬盘。它更有效地使用 Internet 连接,更迅速地下载这些漫画。打开一个新的文件编辑器窗口,并保存为
multidownloadXkcd.py。你将修改这个程序,添加多线程。经过全面修改的源代码可从 http://nostarch.com/automatestuff/下载。
第 1 步:修改程序以使用函数
该程序大部分是来自第 11 章的相同下载代码,所以我会跳过 Requests 和 BeautifulSoup 代码的解释。需要完成的主要变更是导入 threading 模块,并定义
downloadXkcd()函数,该函数接受开始和结束的漫画编号作为参数。
例如,调用 downloadXkcd(140,280)将循环执行下载代码,下载漫画 http://xkcd.
com/140、http://xkcd.com/141、http://xkcd.com/142 等,直到
http://xkcd.com/279。你创建的每个线程都会调用downloadXkcd(),并传入不同范围的漫画进行下载。
将下面的代码添加到 multidownloadXkcd.py 程序中:
#! python3
# multidownloadXkcd.py - Downloads XKCD comics using multiple threads.
import requests, os, bs4, threading
➊ os.makedirs('xkcd', exist_ok=True) # store comics in ./xkcd
➋ def downloadXkcd(startComic, endComic):
➌ for urlNumber in range(startComic, endComic): # Download the page.
print('Downloading page http://xkcd.com/%s...' % (urlNumber))
➍ res = requests.get('http://xkcd.com/%s' % (urlNumber))
res.raise_for_status()
➎ soup = bs4.BeautifulSoup(res.text) # Find the URL of the
comic image.
➏ comicElem = soup.select('#comic img')
if comicElem == []:
print('Could not find comic image.') else:
➐ comicUrl = comicElem[0].get('src') # Download the
image.
print('Downloading image %s...' % (comicUrl))
➑ res = requests.get(comicUrl) res.raise_for_status()
# Save the image to ./xkcd.
imageFile = open(os.path.join('xkcd', os.path.basename(comicUrl)), 'wb') for chunk in
res.iter_content(100000):
imageFile.write(chunk) imageFile.close()
# TODO: Create and start the Thread objects. # TODO: Wait for all threads to end.
导入需要的模块后,➊行创建了一个目录来保存漫画,并开始定义downloadxkcd()➋。循环遍历指定范围中的所有编号➌,并下载
每个页面➍。用 Beautiful Soup 查看每一
页的 HTML➎,找到漫画图像➏。如果页面上没有的漫画图像,就打印一条消息。否则,取得图片的
URL➐,并下载图像➑。最后,将图像保存到我们创建的目录中。
第 2 步:创建并启动线程
既然已经定义 downloadXkcd() , 我们将创建多个线程, 每个线程调用 downloadXkcd(),从 XKCD 网站下载不同范围的漫画。将下面的代码添加到
multidownloadXkcd.py 中,放在 downloadXkcd()函数定义之后:
#! python3
# multidownloadXkcd.py - Downloads XKCD comics using multiple threads.
--snip--
# Create and start the Thread objects.
downloadThreads = [] # a list of all the Thread objects for i in
range(0, 1400, 100): # loops 14 times, creates 14 threads
downloadThread = threading.Thread(target=downloadXkcd, args=(i, i + 99))
downloadThreads.append(downloadThread)
downloadThread.start()
首先,我们创建了一个空列表 downloadThreads,该列表帮助我们追踪创建的多个 Thread 对象。然后开始for 循环。在每次循环中,我们利用threading.Thread()创建一个
Thread 对象,将它追加到列表中,并调用 start(),开始在新线程中运行 downloadXkcd()。因为 for 循环将变量 i 设置为从 0 到 1400,步长为 100,所以 i
在第一次迭代时为 0,第二次迭代时为 100,第三次为 200,以此类推。因为我们将 args=(I, I+99)传递给 threading.Thread(),所以在第一次迭代时,传递给
downloadXkcd()的两个参数将是 0和 99,第二次迭代是 100 和 199,第三次是 200 和 299,以次类推。
由于调用了 Thread 对象的 start()方法,新的线程开始运行 downloadXkcd()中的代码,主线程将继续 for 循环的下一次迭代,创造下一个线程。
第 3 步:等待所有线程结束
主线程正常执行,同时我们创建的其他线程下载漫画。但是假定主线程中有一些代码,你希望所有下载线程完成后再执行。调用 Thread 对象 join()方法将阻塞,直到该线程完成。利用一个 for
循环,遍历 downloadThreads 列表中的所有 Thread对象,主线程可以调用其他每个线程的 join()方法。将以下代码添加到程序的末尾:
#! python3
# multidownloadXkcd.py - Downloads XKCD comics using multiple threads.
--snip--
# Wait for all threads to end.
for downloadThread in downloadThreads: downloadThread.join()
print('Done.')
所有的join()调用返回后,'Done.'字符串才会打印,如果一个 Thread 对象已经完成,那么调用它的
join()方法时,该方法就会立即返回。如果想扩展这个程序,添加一些代码,在所有漫画下载后运行,就可以用新的代码替换 print('Done.')。