python多线程/多进程

我的博客：acsec.xyz
微信公众号: Ac sec

一.概述

​ 对于python爬虫，默认的是使用单线程爬虫，在批量爬数据时速度太慢。但有的人会说，python的多线程爬虫，并不是真正意义上的多线程，它会有阻塞。但是，无论怎么说，多线程或者是多进程，速度都要比原来的单线程要快很多。当你使用多线程爬虫时，电脑风扇都会呜呜的转起来。下面举例说明多线程/多进程的创建方法，以及各种方法运行代码的速度。

---

二.举例

1.默认情况运行代码

input

import time
def test(str):
    print ("Hello ",str)
    time.sleep(2)

name_list =['a','b','c','d']
start_time = time.time()
for i in range(len(name_list)):
    test(name_list[i])
end_time=time.time()
print("完成时间: %s S"%(end_time-start_time))

output

Hello  a
Hello  b
Hello  c
Hello  d
完成时间: 8.028036832809448 S

进程已结束，退出代码为 0

2.多线程池的创建与使用

(1)使用ThreadPoolExecutor模块创建

input

import time
from concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED
def test(str):
    print ("Hello ",str)
    time.sleep(2)

name_list =['a','b','c','d']
start_time = time.time()
executor = ThreadPoolExecutor(max_workers=10)  # 线程个数
# submit()的参数：第一个为函数， 之后为该函数的传入参数，允许有多个
future_tasks = [executor.submit(test,i) for i in name_list]
wait(future_tasks, return_when=ALL_COMPLETED)
# 等待所有的线程完成，才进入后续的执行
end_time=time.time()
print("完成时间: %s S"%(end_time-start_time))

output

Hello  a
Hello  b
Hello  c
Hello  d
完成时间: 2.0162949562072754 S

进程已结束，退出代码为 0

(2)使用threading模块创建

input

import time
import threading

#定义多线程类
class MyThread(threading.Thread):
    def __init__(self, func, args):
        threading.Thread.__init__(self)
        self.args = args
        self.func = func
    def run(self):
        self.func(*self.args)
def test(str):
    print ("Hello ",str)
    time.sleep(2)

name_list =['a','b','c','d']
start_time = time.time()
#调用多线程类，实现循环
threadList = [MyThread(test, (i,)) for i in name_list]
#创建多线程，开始调用进程
for t in threadList:
    t.setDaemon(True)
    t.start()
#等待主进程结束，再进行调用
for i in threadList:
    i.join()
end_time=time.time()
print("完成时间: %s S"%(end_time-start_time))

output

Hello  a
Hello  b
Hello  c
Hello  d

完成时间: 2.0125629901885986 S

3.多进程池的创建与使用

input

import time
from multiprocessing.dummy import Pool
def test(str):
    print ("Hello ",str)
    time.sleep(2)
name_list =['a','b','c','d']
start_time = time.time()
pool=Pool(10)
pool.map(test,name_list)
end_time=time.time()
print("完成时间: %s S"%(end_time-start_time))

output

Hello  a
Hello  b
Hello  c
Hello  d
完成时间: 2.036229372024536 S

---

三.爬虫实例（爬取某网站330张图片）

1.默认


2.使用ThreadPoolExecutor模块

3.使用multiprocessing模块


4.使用threading模块