前言

Python的标准库提供了两个模块：_thread和threading，_thread是低级模块，threading是高级模块，对_thread进行了封装。绝大多数情况下，我们只需要使用threading这个高级模块。

启动一个线程就是把一个函数传入并创建Thread实例，然后调用start()开始执行。

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。详细请见

实例

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 -*-import requests, timeimport threadingclass MyThread(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    def run(self):  # 线程活动方法        self.func(self.args[0])  # 启动这个函数args是元组，取出urldef open_url(url):    response = requests.get(url).text    print(len(response))    return responsedef nomal_method(urlList):    # 一般方式    n_start = time.time()    for each in urlList:        open_url(each)    n_end = time.time()    print('the normal way take %s s' % (n_end - n_start))def threadWay(urlList):    # 多线程    t_start = time.time()    threadList = [MyThread(open_url,(url,)) for url in urlList]  # 调用线程类创建新线程，返回线程列表    for t in threadList:        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    for i in threadList:        i.join()  # 等待线程终止，等子线程执行完后再执行父线程    t_end = time.time()    print('the thread way take %s s' % (t_end - t_start))if __name__ == '__main__':    # 构造url列表    urlList = []    for p in range(1, 10):        urlList.append('https://so.gushiwen.org/authors/authorvsw.aspx?page='+str(p)+'&id=9cb3b7c0e4a0')    nomal_method(urlList)    threadWay(urlList)

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1.8s，多线程耗时0.2s。

多线程简介

多线程举的例子，最对的可能就是消费者、生产者的例子了（不知道的可以去百度），下面介绍两种多线程的方式，即创建线程、传递函数（面向过程）和面向对象。

本人对多线程做了简单阐述，请

面向过程的多线程爬虫模板

（因为面向对象的我在上面写过了。。。）

思路

得到urlList，然后根据每个url创建一个线程，然后for循环启动再for循环join

代码

# -*-coding:utf-8 -*-import requests, timeimport threadingdef open_url(url):    response = requests.get(url).text    print(len(response))    return responsedef doSpyder(urlList):    # 多线程    t_start = time.time()    threadList = [threading.Thread(target=open_url,args=(url,)) for url in urlList]  # 调用线程类创建新线程，返回线程列表    for t in threadList:        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    for i in threadList:        i.join()  # 等待线程终止，等子线程执行完后再执行父线程    t_end = time.time()    print('the thread way take %s s' % (t_end - t_start))if __name__ == '__main__':    # 构造url列表    urlList = []    for p in range(1, 10):        urlList.append('https://so.gushiwen.org/authors/authorvsw.aspx?page='+str(p)+'&id=9cb3b7c0e4a0')    doSpyder(urlList)

一个误区

注意：创建多线程的时候应该每个网页都创建一个线程，不能直接使用创建好的线程对列表进行访问爬取，否则会得到重复数据，即脏数据！！！（因为list是非线程安全的数据结构，就是同一秒可能有两个线程同时访问到了列表的第一个元素）

可以参看的脏数据部分

注意啊，不要使用锁来处理，那样多线程可能就变单线程了，，，，

转载地址：http://ehef.baihongyu.com/

你可能感兴趣的文章

mysql 主从 lock_mysql 主从同步权限mysql 行锁的实现