Python多线程爬虫简单示例
python是支持多线程的，主要是通过thread和threading这两个模块来实现的。thread模块是比较底层的模块，threading模块是对thread做了一些包装的，可以更加方便的使用。
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。
下面用一个实例来验证多线程的效率。代码只涉及页面获取，并没有解析出来。
#-*-coding:utf-8-*-
importurllib2,time
importthreading
classMyThread(threading.Thread):
def__init__(self,func,args):
threading.Thread.__init__(self)
self.args=args
self.func=func
defrun(self):
apply(self.func,self.args)
defopen_url(url):
request=urllib2.Request(url)
html=urllib2.urlopen(request).read()
printlen(html)
returnhtml
if__name__=='__main__':
#构造url列表
urlList=[]
forpinrange(1,10):
urlList.append('http://s.wanfangdata.com.cn/Paper.aspx?q=%E5%8C%BB%E5%AD%A6&p='+str(p))
#一般方式
n_start=time.time()
foreachinurlList:
open_url(each)
n_end=time.time()
print'thenormalwaytake%ss'%(n_end-n_start)
#多线程
t_start=time.time()
threadList=[MyThread(open_url,(url,))forurlinurlList]
fortinthreadList:
t.setDaemon(True)
t.start()
foriinthreadList:
i.join()
t_end=time.time()
print'thethreadwaytake%ss'%(t_end-t_start)
分别用两种方式获取10个访问速度比较慢的网页，一般方式耗时50s，多线程耗时10s。
多线程代码解读:
#创建线程类，继承Thread类 classMyThread(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 defrun(self):#线程活动方法 apply(self.func,self.args)
threadList=[MyThread(open_url,(url,))forurlinurlList]#调用线程类创建新线程，返回线程列表 fortinthreadList: t.setDaemon(True)#设置守护线程，父线程会等待子线程执行完后再退出 t.start()#线程开启 foriinthreadList: i.join()#等待线程终止，等子线程执行完后再执行父线程
以上就是本文的全部内容，希望对大家的学习有所帮助。