❤️作者主页：小虚竹
❤️作者简介：大家好,我是小虚竹。2022年度博客之星评选TOP 10🏆，Java领域优质创作者🏆，CSDN博客专家🏆，华为云享专家🏆，掘金年度人气作者🏆，阿里云专家博主🏆，51CTO专家博主🏆
❤️技术活，该赏
❤️点赞 👍 收藏 ⭐再看，养成习惯
老规矩，文末有送书的规则~~
文章目录
零：前言
在使用爬虫爬取数据的时候，当需要爬取的数据量比较大，且急需很快获取到数据的时候，可以考虑将单线程的爬虫写成多线程的爬虫。下面来学习一些它的基础知识和代码编写方法。
一、进程和线程
进程可以理解为是正在运行的程序的实例。进程是拥有资源的独立单位，而线程不是独立的单位。由于每一次调度进程的开销比较大，为此才引入的线程。一个进程可以拥有多个线程，一个进程中可以同时存在多个线程，这些线程共享该进程的资源，线程的切换消耗是很小的。因此在操作系统中引入进程的目的是更好地使多道程序并发执行，提高资源利用率和系统吞吐量;而引入线程的目的则是减小程序在并发执行时所付出的时空开销，提高操作系统的并发性能。
下面用简单的例子进行描述，打开本地计算机的”任务管理器”如图1所示，这些正在运行的程序叫作进程。如果将一个进程比喻成一个工作，指定10个人来做这份工作，这10个人就是10个线程。因此，在一定的范围内，多线程效率比单线程效率更高。
二、Python中的多线程与单线程
在我们平时学习的过程中，使用的主要是单线程爬虫。一般来说，如果爬取的资源不是特别大，使用单线程即可。在Python中，默认情况下是单线程的，简单理解为：代码是按顺序依次运行的，比如先运行第一行代码，再运行第二行，依次类推。在前面章节所学习知识中，都是以单线程的形式实践的。
举个例子，批量下载某网站的图片，由于下载图片是一个耗时的操作，如果依然采用单线程的方式下载，那么效率就会特别低，意味着需要消耗更多的时间等待下载。为了节约时间，这时候我们就可以考虑使用多线程的方式来下载图片。
threading模块是Python中专门用来做多线程编程的模块，它对thread进行了封装,使用更加方便。例如需要对写代码和玩游戏两个事件使用多线程进行，案例代码如下。
import threading
import time
# 定义第一个defcoding():for x inrange(3):print('%s正在写代码\n'% x)
time.sleep(1)# 定义第二个defplaying():for x inrange(3):print('%s正在玩游戏\n'% x)
time.sleep(1)# 如果使用多线程执行defmulti_thread():
start = time.time()# Thread创建第一个线程，target参数为函数命
t1 = threading.Thread(target=coding)
t1.start()# 启动线程# 创建第二个线程
t2 = threading.Thread(target=playing)
t2.start()# join是确保thread子线程执行完毕后才能执行下一个线程
t1.join()
t2.join()
end = time.time()
running_time = end - start
print('总共运行时间 : %.5f 秒'% running_time)# 执行if __name__ =='__main__':
multi_thread()# 执行单线程
运行结果如图所示。
那么执行单线程会消耗多少时间，案例代码如下所示。
import time
# 定义第一个defcoding():for x inrange(3):print('%s正在写代码\n'% x)
time.sleep(1)# 定义第二个defplaying():
start = time.time()for x inrange(3):print('%s正在玩游戏\n'% x)
time.sleep(1)
end = time.time()
running_time = end - start
print('总共运行时间 : %.5f 秒'% running_time)defsingle_thread():
coding()
playing()# 执行if __name__ =='__main__':
single_thread()# 执行单线程
运行结果如图3所示。
经过以上多线程和单线程的运行结果，可以看出多线程中写代码和玩游戏是一起执行的，单线程中则是先写代码再玩游戏。从时间上来说，可能只有细微的差距，当执行工作量很大的时候，便会发现多线程消耗的时间会更少，从这个案例中我们也可以知道，当所需要执行的任务并不多的时候，只需要编写单线程即可。
三、单线程改为多线程
以某直播的图片爬取为例，案例代码如下。
import requests
from lxml import etree
import time
import os
dirpath ='图片/'ifnot os.path.exists(dirpath):
os.mkdir(dirpath)# 创建文件夹
header ={'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36'}defget_photo():
url ='https://www.huya.com/g/4079/'# 目标网站
response = requests.get(url=url, headers=header)# 发送请求
data = etree.HTML(response.text)# 转化为html格式return data
defjiexi():
data = get_photo()
image_url = data.xpath('//a//img//@data-original')
image_name = data.xpath('//a//img[@class="pic"]//@alt')for ur, name inzip(image_url, image_name):
url = ur.replace('?imageview/4/0/w/338/h/190/blur/1','')
title = name +'.jpg'
response = requests.get(url=url, headers=header)# 在此发送新的请求withopen(dirpath + title,'wb')as f:
f.write(response.content)print("下载成功"+ name)
time.sleep(2)if __name__ =='__main__':
jiexi()
如果需要修改为多线程爬虫，只需要修改主函数即可，例如创建4个线程进行爬取，案例代码如下所示。
if __name__ =="__main__":
threads =[]start=time.time()# 创建四个进程for i in range(1,5):
thread = threading.Thread(target=jiexi(), args=(i,))
threads.append(thread)
thread.start()for thread in threads:
thread.join()end=time.time()
running_time =end-startprint('总共消耗时间 : %.5f 秒'% running_time)print("全部完成!")# 主程序
四、图书推荐
本书介绍了Python3网络爬虫的常见技术。首先介绍了网页的基础知识，然后介绍了urllib、Requests请求库以及XPath、Beautiful Soup等解析库，接着介绍了selenium对动态网站的爬取和Scrapy爬虫框架，最后介绍了Linux基础，便于读者自主部署编写好的爬虫脚本。
本书主要面向对网络爬虫感兴趣的初学者。
大咖推荐
作者介绍
内容结构及配套资源
五、粉丝福利
回馈粉丝们的支持，送《Pyhton网络爬虫从入门到实战》实体书给3位粉丝。一起学习！
福利0
虚竹哥直接送1本好书，参与好评送书~
参与好评送书：随机抽取1位幸运读者，送一本《Pyhton网络爬虫从入门到实战》实体书
统计截止时间：2023/09/19 19:00:00
请中奖的读者统计截止时间过后7天内私信虚竹哥收货地址，过期奖励作废哈！
福利1
来虚竹哥公众号的同标题文章，参与好评送书~~（新号，参与人不多，中奖概率很高）
公众号 ：传送门–》
公众号 ：传送门–》
公众号 ：传送门–》
参与好评送书：随机抽取2位幸运读者，各送一本《Pyhton网络爬虫从入门到实战》实体书
统计截止时间：2023/09/19 19:00:00
请中奖的读者统计截止时间过后7天内私信虚竹哥收货地址，过期奖励作废哈！
我是宠粉的虚竹哥，请继续支持我，哈哈哈~
版权归原作者 小虚竹 所有， 如有侵权，请联系我们删除。