简单多线程加速爬取豆瓣评论

一些分析
完整代码

douban_comment_spider.py

import requests
urls = [
    f"https://movie.douban.com/subject/5989818/reviews?start={page}"
    for page in range(0, 150+1, 20)
]

def crawl(url):
    headers={
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"
    }
    r = requests.get(url, headers=headers)    
    print(url, len(r.text)) # 验证爬取到了内容
    
    pass

multi_thread_crawl.py

import douban_comment_spider as DCSpider
import threading
import time

def single_thread():
    """ 单线程 """
    for url in DCSpider.urls:
        DCSpider.crawl(url)

def multi_thread():
    """ 多线程 """
    threads = []
    for url in DCSpider.urls:
        threads.append(
            threading.Thread(target=DCSpider.crawl, args=(url,)) # url加逗号,否则被认为是字符串
        )
        
    for i in range(len(threads)):
        print("thread", i, "starts")
        threads[i].start() # 分配内存
        print("thread", i, "starts over")

    for i in range(len(threads)):
        print("thread", i, "joins")
        threads[i].join() # 分配内存
        print("thread", i, "joins over")
        
if __name__ == "__main__":
    t1 = time.time()
    single_thread()
    t2 = time.time()
    print("single_thread costs", t2-t1, "seconds")
    
    t1 = time.time()
    multi_thread()
    t2 = time.time()
    print("multi_thread costs", t2-t1, "seconds")


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值