据我观察,在那个招聘网站上注册的公司大概有十万家。如果要是让前面那只虫子一个公司一个公司进行爬取的话,咱就按照 2 秒钟一个公司吧,20W 秒……55 小时。
咱们开多线程玩吧!
Python 的多线程也是蛮神奇的:和 Java 的多线程不同,Python 的多线程不需要继承什么东西、实现什么东西,不需要写特定的方法和类。真的是 “一句话实现多线程”。
self.THREADS = []
# 生成线程
for i in range(self.thread):
self.THREADS.append(threading.Thread(target=self.run_thread))
# 开启线程
for i in range(self.thread):
self.THREADS[i].start()
# 等待线程完成
for i in range(self.thread):
self.THREADS[i].join()
简单暴力是吧?
线程安全
然而我们不得不考虑一个问题:线程安全,也就是同步啊什么的。
你看啊,根据我们以前的代码,如果队列不空,就取出队头,进行操作。那好,队列中现在只有一个元素,两个线程跑并发,同时发现了队列不空,先后取队头——瞬间感觉有什么不对了吧?
所以呢,我们只能对队列进行加锁,保证每一次只有一个线程来操作队列。
# 互斥锁
self.queue