python爬虫02-提升爬取效率、多线程,多线程传参,多进程,线程及线程池概念,协程,多任务异步协程,异步请求aiohttp模块,视频站工作原理

1、提升爬取效率

使用多线程,多进程,携程,异步

2、多线程

进程是资源单位,每个进程,都会有一个默认的主线程
线程是执行单位
执行多线程需要导包:

from threading import Thread
  • 1、多线程第一种写法
from threading import Thread
def func():
	for index in range(1, 50):
		str2 = 'func' + str(index)
		print(str2)


if __name__ == '__main__':  # 是否是入口程序
	thread = Thread(target=func)  # 创建一个多线程对象,并指定要执行的任务
	thread.start()  # 开启多线程,但是线程什么时候执行有cpu来决定
	for item in range(100, 150):
		str1 = 'main' + str(item)
		print(str1)

main序号和func序号交叉打印

  • 2、多线程第二种写法
    创建自定义线程类
from threading import Thread
class MyThread(Thread):
	#重写父类Thread类的run方法
	def run(self):
		for index in range(1,50):
			print('子线程',index)

if __name__=='__main__':
	thread=MyThread()
	thread.start()#开启线程
	for item in range(150,200):
		print('主线程',item)
3、多线程传参

传入的实参必须是一个元祖,如果只有一个参数,注意要在第一个参数后面加逗号

from threading import Thread

def func(name):
	for index in range(1,50):
		print(name,index)


if __name__=='__main__':
	thread1=Thread(target=func,args=('张三丰',))#传入的args参数必须是一个元祖
	thread2=Thread(target=func,args=('王力宏',))
	thread1.start()
	thread2.start()
	

4、多进程(比较耗资源)

要导入multiporocessing包的process模块

from multiprocessing import Process

def func():
	for index in range(1,50):
		print('子进程',index)


if __name__=='__main__':
	process=Process(target=func)
	process.start()
	for item in range(150,200):
		print('主进程', item)

5、线程池和进程池的概念

反复使用的一组线程,构成线程池,
一次性开辟一些线程,用户直接给线程池提交任务,线程任务的调度交给线程池来完成
需要导入线程池

from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor
#导入线程池和进程池模块
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor

def func(name):
	for index in range(1,50):
		print(name,index)

if __name__=='__main__':
	#创建线程池,创建一个10个线程组成的线程池,并以threadpool作为线程池名
	with ThreadPoolExecutor(10) as threadpool:
		for item in range(50):
			threadpool.submit(func,name=f'线程{item}')
	#等待线程池中的任务全部执行完毕,才能继续执行(守护)
	print('====')
5、协程

在sleep或input(),request.get()等状态下,线程处于阻塞状态下
一般来书,当程序处于IO操作的时候,线程都会处于阻塞状态

携程:当 程序遇见了IO操作的时候,可以选择性的切换到其他任务上,从而避免耗时操作卡死程序。

  • 在微观上是一个任务一个任务的进行切换,切换条件一般就是io操作
  • 在宏观上,我们看到的其实是多个任务一起在执行
  • 多任务是异步操作
  • 以上说的都是在单线程的情况下。
6、多任务异步协程

要使用关键字async,和js的异步操作类似

#导入异步操作模块
import asyncio
#携程就是异步
async def func():
	print('你好,我是艾奥雅')


if __name__=='__main__':
	g=func() #此时的函数是异步协程函数,此时函数得到的是一个协程对象
	#print(g)#<coroutine object func at 0x002431A8>
	asyncio.run(g)#你好,我是艾奥雅

案例2

# 导入异步操作模块
import asyncio
import time


# 携程就是异步
async def func1():
	print('你好,我是艾奥雅')
	#time.sleep(3)#当程序出现了同步操作的时候,异步就中断了
	await asyncio.sleep(3)#s使用异步休眠,可以避免同步操作,也就是这三秒钟可以去做别的任务
	print('你好,我是艾奥雅')


async def func2():
	print('你好,我是王建国')
	await asyncio.sleep(2)
	print('你好,我是王建国')


async def func3():
	print('你好,我是李雪琴')
	await asyncio.sleep(4)
	print('你好,我是李雪琴')


async def func4():
	print('你好,我是呼兰')
	await asyncio.sleep(1)
	print('你好,我是呼兰')


async def func5():
	print('你好,我是徐志胜')
	await asyncio.sleep(2)
	print('你好,我是徐志胜')


if __name__ == '__main__':
	f1 = func1()  # 返回一个协程对象
	f2 = func2()
	f3 = func3()
	f4 = func4()
	f5 = func5()
	task = [f1, f2, f3, f4, f5]  # 把异步任务放在一个列表中
	t1=time.time()
	# 一次性启动多个任务(协程)
	asyncio.run(asyncio.wait(task))  # 有async肯定要有wait
	t2=time.time()
	#print(t2-t1)#12.010096311569214,等待耗时12秒,执行时间0.01秒
	print(t2-t1)#4.007等待最大值为4秒,执行时间为0.007秒

案例3

# 导入异步操作模块
import asyncio
import time


# 携程就是异步
async def func1():
	print('你好,我是艾奥雅')
	# time.sleep(3)#当程序出现了同步操作的时候,异步就中断了
	await asyncio.sleep(3)  # s使用异步休眠,可以避免同步操作,也就是这三秒钟可以去做别的任务
	print('你好,我是艾奥雅')


async def func2():
	print('你好,我是王建国')
	await asyncio.sleep(2)
	print('你好,我是王建国')


async def func3():
	print('你好,我是李雪琴')
	await asyncio.sleep(4)
	print('你好,我是李雪琴')


async def func4():
	print('你好,我是呼兰')
	await asyncio.sleep(1)
	print('你好,我是呼兰')


async def func5():
	print('你好,我是徐志胜')
	await asyncio.sleep(2)
	print('你好,我是徐志胜')


async def main():
	# 第一种写法
	# f1 = func1()  # 返回一个协程对象
	# await f1  # 一般await挂起操作放在协程对象前面
	# f2 = func2()
	# await f2
	# f3 = func3()
	# await f3
	# f4 = func4()
	# await f4
	# f5 = func5()
	# await f5

	#第二种写法
	tasks=[
		func1(),
		func2(),
		func3(),
		func4(),
		func5()
	]
	await asyncio.wait(tasks)


if __name__ == '__main__':
	t1 = time.time()
	asyncio.run(main())
	t2 = time.time()
	print(t2 - t1)  # 4.0027008056640625秒

7、异步http请求aiohttp模块

使用异步的requests,需要安装aiohttp,

pip install aiohttp

umei.cc唯美壁纸抓取案例

#导入异步http模块
import aiohttp
import asyncio

urls = [
	'http://kr.shanghai-jiuxin.com/file/2020/1031/e9d17d27dfd693d88b232899538144e8.jpg',
	'http://kr.shanghai-jiuxin.com/file/2020/0807/98ec5c7f5d7d0b2d750dd9b5ea834cfc.jpg',
	'http://kr.shanghai-jiuxin.com/file/2020/1031/26b7e178e987be6d914bf8d1af120890.jpg'
]


async def aiodownload(url):
	name = url.rsplit('/', 1)[1]#从右边切一次,第一个元素
	print(name)
	# 发送请求,这里需要使用aiohttp.clientSession()来替代以前的同步requests()
	async with aiohttp.ClientSession() as session:
		async with session.get(url) as resp:
			# 请求回来,创建文件
			with open('./images/' + name, mode='wb') as fp:
				# 得到图片内容并保存到文件,读取内容是异步的,要加await挂起
				fp.write(await resp.content.read())  # resp.content.read() 等价于resp.content
	print(name, '文件已写入')


async def main():
	tasks = []
	for url in urls:
		tasks.append(aiodownload(url))
	await asyncio.wait(tasks)


if __name__ == '__main__':
	asyncio.run(main())

结果,下载了三张图片

8、视频网站工作原理

对用户上传的视频
转码,转成低码
切片,切成多个小文件
需要一个文件记录,1、视频文件播放顺序2,视频存放的路径
顺序文件做成m3u文件

要抓取视频就必须

  • 1、找到m3u8文件
  • 2、通过m3u8下载到ts文件
  • 3、通过各种手段,把ts文件合并为一个MP4文件
9、抓取91看剧简单版
  • 先拿到视频页面的源代码
  • 从源代码中提取m3u8的url
  • 下载m3u8
  • 读取m3u8文件,下载视频
  • 合并视频
  • 2
    点赞
  • 4
    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