python爬虫14 | 就这么说吧，如果你不懂多线程和线程池，那就去河边摸鱼！

你知道吗？

在我的心里

你是多么的重要

就像

恩

请允许我来一段 freestyle

你们准备好了妹油

你看

这个碗

它又大又圆

就像

这条面

它又长又宽

你们

在这里

看文章

觉得 很开心

就像 

我在这里

给你们

写文章

觉得很开心

skr~~

不好意思

走错片场了

ok..

接下来，就是

学习 python 的正确姿势

咱们在上一次的

python爬虫13 | 秒爬，这多线程爬取速度也太猛了，这次就是要让你的爬虫效率杠杠的

了解了一些 python 高效爬虫的概念

比如多线程、多进程、协程等

那么我们这一篇就开始了解多线程的具体使用

在 python 中

常用的多线程的模块有这么几个

_thread

threading

Queue

之前有个 thread 模块

被 python3 抛弃了

改名为  _thread

但其实 _thread 也没什么人用

因为 _thread 有的 threading 都有

_thread 没有的 threading 依然有

那么接下来我们就先来玩玩 threading 吧

在此之前

（请允许小帅b又开始吹水了~）

介绍一下 小帅b 的一点背景

小帅b呢

平常上班时间都会去河边摸鱼

每天得摸 20 条鱼

一条一条的摸

为的是什么

为的是安抚这些鱼的心情

这样以后送到餐前的红烧鱼才更加美味

恩

小帅b每天得摸 20 条鱼

每隔一秒钟摸一条

也就是这样

import time

def moyu_time(name, delay, counter):
 while counter:
   time.sleep(delay)
   print("%s 开始摸鱼 %s" % (name, time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())))
   counter -= 1


if __name__ == '__main__':
 moyu_time('小帅b',1,20)

 

后来

小帅b知道了多线程

拍脑一想

我靠

应该把小明和小红拉过来

让他们一起帮我摸鱼啊

也就是让小明和小红同时一人摸 10 条鱼

想想就开心

在 小帅b 的威逼利诱下

他们俩不情愿的手拉着手来到了河边

小帅b看小红是女生

就让小红每摸一条鱼休息 2 秒钟

而小明每摸一条鱼休息 1 秒钟

先扔一段代码给你

# encoding = utf-8

import threading
import time


# 创建一个线程子类
class MyThread(threading.Thread):
  def __init__(self,threadID, name, counter):
    threading.Thread.__init__(self)
    self.threadID = threadID
    self.name = name
    self.counter = counter

  def run(self):
    print("开始线程：" + self.name)
    moyu_time(self.name, self.counter, 10)
    print("退出线程：" + self.name)

def moyu_time(threadName, delay, counter):
  while counter:
    time.sleep(delay)
    print("%s 开始摸鱼 %s" % (threadName, time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())))
    counter -= 1


# 创建新线程
# 小帅b找了两个人来摸鱼
# 让小明摸一次鱼休息1秒钟
# 让小红摸一次鱼休息2秒钟
thread1 = MyThread(1, "小明", 1)
thread2 = MyThread(2, "小红", 2)

# 开启新线程
thread1.start()
thread2.start()
# 等待至线程中止
thread1.join()
thread2.join()
print ("退出主线程")

在这里呢

我们创建了一个线程类

然后继承 threading.Thread

在我们这个线程类里面定义了一个 run 方法

这个 run 方法去调用了摸鱼的方法

可以看到我们创建了两个线程

一个叫小明线程

一个叫小红线程

thread1 = MyThread(1, "小明", 1)
thread2 = MyThread(2, "小红", 2)

当我们的线程调用 start 方法的时候

它们就会去执行 run 方法

而我们用到的 join 方法呢

是为了让线程执行完

再终止主程序

运行一下就是这样

开始线程：小明
开始线程：小红
小明 开始摸鱼 2019-03-10 23:15:26
小红 开始摸鱼 2019-03-10 23:15:27
小明 开始摸鱼 2019-03-10 23:15:27
小明 开始摸鱼 2019-03-10 23:15:28
小红 开始摸鱼 2019-03-10 23:15:29
小明 开始摸鱼 2019-03-10 23:15:29
小明 开始摸鱼 2019-03-10 23:15:30
小明 开始摸鱼 2019-03-10 23:15:31
小红 开始摸鱼 2019-03-10 23:15:31
小明 开始摸鱼 2019-03-10 23:15:32
小明 开始摸鱼 2019-03-10 23:15:33
小红 开始摸鱼 2019-03-10 23:15:33
小明 开始摸鱼 2019-03-10 23:15:34
小红 开始摸鱼 2019-03-10 23:15:35
小明 开始摸鱼 2019-03-10 23:15:35
退出线程：小明
小红 开始摸鱼 2019-03-10 23:15:37
小红 开始摸鱼 2019-03-10 23:15:39
小红 开始摸鱼 2019-03-10 23:15:41
小红 开始摸鱼 2019-03-10 23:15:43
小红 开始摸鱼 2019-03-10 23:15:45
退出线程：小红
退出主线程

Process finished with exit code 0

恩

小帅b再也不用摸鱼了

后来小明和小红都不乐意了

凭什么就我们两个摸鱼

这时候 小帅b 只能去找更多人了

连 小帅b 家的狗都叫过来了

然后

就疯狂的开启线程

thread1 = MyThread(1, "小明", 1)
thread2 = MyThread(2, "小红", 2)
thread3 = MyThread(3, "小黄", 2)
thread4 = MyThread(4, "小绿", 2)
...
thread5 = MyThread(55, "小青", 2)
thread6 = MyThread(56, "小白", 2)
thread7 = MyThread(57, "小狗", 2)

stop！！！

这可不行

因为频繁的创建线程 销毁线程

非常的浪费资源

所以呢

应该把他们放到池子里面去一起洗澡

哈，也就是

线程池

通过线程池就可以重复利用线程

不会造成过多的浪费

在 python 中

可以使用 ThreadPoolExecutor 来实现线程池

我们来往池子里塞 20 个线程

然后在循环的时候每次拿一个线程来摸鱼

def moyu_time(name, delay, counter):
  while counter:
    time.sleep(delay)
    print("%s 开始摸鱼 %s" % (name, time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())))
    counter -= 1


if __name__ == '__main__':
  pool = ThreadPoolExecutor(20)
  for i in range(1,5):
    pool.submit(moyu_time('xiaoshuaib'+str(i),1,3))

运行一下

xiaoshuaib1 开始摸鱼 2019-03-10 23:30:10
xiaoshuaib1 开始摸鱼 2019-03-10 23:30:11
xiaoshuaib1 开始摸鱼 2019-03-10 23:30:12
xiaoshuaib2 开始摸鱼 2019-03-10 23:30:13
xiaoshuaib2 开始摸鱼 2019-03-10 23:30:14
xiaoshuaib2 开始摸鱼 2019-03-10 23:30:15
xiaoshuaib3 开始摸鱼 2019-03-10 23:30:16
xiaoshuaib3 开始摸鱼 2019-03-10 23:30:17
xiaoshuaib3 开始摸鱼 2019-03-10 23:30:18
xiaoshuaib4 开始摸鱼 2019-03-10 23:30:19
xiaoshuaib4 开始摸鱼 2019-03-10 23:30:20
xiaoshuaib4 开始摸鱼 2019-03-10 23:30:21

可以看到

我们每次从线程池里面去拿一个线程来摸鱼

这样就不会去重复的创建销毁线程了

当然

我们还可以用一个叫做 Queue 的队列来创建线程池

队列嘛~

就是可以往里塞东西

也可以往里拉东西

所以我们在使用队列的时候

最常用的方法就是 put 和 get 了

还是拿摸鱼为例

我们创建一个长度为 6 的队列

接着根据队列的长度创建了线程

每个线程都让它们处于守护状态

也就是需要的时候

马上执行

def queue_pool():
  queue = Queue(6)
  for i in range(queue.maxsize):
    t = CustomThread(queue)
    t.setDaemon(True)
    t.start()

接着我们就可以用 put 方法

把我们想做的事情往队列里面塞

比如这里我们想要摸鱼

for i in range(20):
  queue.put(moyu)
queue.join()

def moyu():
  print(" 开始摸鱼 %s" % (time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())))

要执行的话就需要去队列里面取了

q_method = self.__queue.get()
q_method()
self.__queue.task_done()

完整代码如下

import threadingimport timefrom queue import Queue

class CustomThread(threading.Thread):    def __init__(self, queue):        threading.Thread.__init__(self)        self.__queue = queue
    def run(self):        while True:            q_method = self.__queue.get()            q_method()            self.__queue.task_done()
def moyu():    print(" 开始摸鱼 %s" % (time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())))
def queue_pool():    queue = Queue(5)    for i in range(queue.maxsize):        t = CustomThread(queue)        t.setDaemon(True)        t.start()
    for i in range(20):        queue.put(moyu)    queue.join()
if __name__ == '__main__':    queue_pool()

本篇就到这里吧

ps：本来想接着写一下用多线程来爬取网站的，篇幅有限，咱们下一篇再见

peace

                                        

      点个好看啊~~（破音）