python多进程与多线程（三）：多线程与多线程爬虫简介

前言

Python的标准库提供了两个模块：_thread和threading，_thread是低级模块，threading是高级模块，对_thread进行了封装。绝大多数情况下，我们只需要使用threading这个高级模块。
启动一个线程就是把一个函数传入并创建Thread实例，然后调用start()开始执行。
虽然python的多线程受GIL限制，并不是真正的多线程，但是对于I/O密集型计算还是能明显提高效率，比如说爬虫。详细请见 https://www.zhihu.com/question/23474039

创建的两种方式

面向过程（常用）

import time, threading

# 假定这是你的银行存款:
balance = 0

def change_it(n):
    # 先存后取，结果应该为0:
    global balance
    balance = balance + n
    balance = balance - n

def run_thread(n):
    for i in range(100000):
        change_it(n)

t1 = threading.Thread(target=run_thread, args=(5,))  # args是你调用函数的参数哦
t2 = threading.Thread(target=run_thread, args=(8,))
t1.start()
t2.start()

print(balance)

面向对象

手写一个子类，继承父类Thread，重写run方法

# -*-coding:utf-8 -*-
import threading

class MyThread(threading.Thread):
    def __init__(self, func, args):
        threading.Thread.__init__(self)  # 调用父类的构造函数
        self.args = args
        self.func = func
    def run(self):  # 线程活动方法
        self.func(self.args[0])  # 启动这个函数args是元组，取出指定元素

def count(n):
    for i in range(n):
        print(n)

t1 = MyThread(count,(10,))
t1.start()
t1.join()

join与start的区别

start() 方法是启动一个子线程，线程名就是我们定义的name

run() 方法并不启动一个新线程，就是在线程中调用了一个普通函数而已。

详情参照点击跳转

脏数据与互斥锁

多线程稍不注意就会把数据弄脏，为了避免这种状况，我们需要使用线程锁。
如下：

import threading

# 假定这是你的银行存款:
balance = 0

def change_it(n):
    # 先存后取，结果应该为0:
    global balance
    balance = balance + n
    balance = balance - n

def run_thread(n):
    for i in range(2000000):
        change_it(n)

t1 = threading.Thread(target=run_thread, args=(5,))
t2 = threading.Thread(target=run_thread, args=(8,))
t1.start()
t2.start()
t1.join()
t2.join()
print(balance)

我们先加后减，按理说最后应该输出0，但是其不是。（你可以跑一下试试）
究其原因，是因为修改balance需要多条语句，而执行这几条语句时，线程可能中断，从而导致多个线程把同一个对象的内容改乱了。
如果我们要确保balance计算正确，就要给change_it()上一把锁，当某个线程开始执行change_it()时，我们说，该线程因为获得了锁，因此其他线程不能同时执行change_it()，只能等待，直到锁被释放后，获得该锁以后才能改。由于锁只有一个，无论多少线程，同一时刻最多只有一个线程持有该锁，所以，不会造成修改的冲突。创建一个锁就是通过threading.Lock()来实现：

balance = 0
lock = threading.Lock()

def run_thread(n):
    for i in range(100000):
        # 先要获取锁:
        lock.acquire()
        try:
            # 放心地改吧:
            change_it(n)
        finally:
            # 改完了一定要释放锁:
            lock.release()

爬虫与多线程

本人详细说明了爬虫中如何使用多线程，以及相关模板。点击跳转

参考教程

廖雪峰： 点击跳转

菜鸟教程： 点击跳转

脚本之家：点击跳转