Python多线程爬虫举例分析
这篇文章主要介绍"Python多线程爬虫举例分析"，在日常操作中，相信很多人在Python多线程爬虫举例分析问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答"Python多线程爬虫举例分析"的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
线程和进程如何工作
当程序在运行时，就会创建包含代码和状态的进程。这些进程通过一个或者多个CPU来执行。不过同一时刻每个CPU只会执行一个进程，然后在不同进程之间快速切换，这样就感觉多个程序同时运行。同理，在一个进程中，程序的执行也是在不同线程间进行切换的，每个线程执行程序的不同部分。这就意味着一个线程在等待执行时，进程会切换到其他的线程执行，这样可以避免浪费CPU时间。
Threading线程模块
在Python标准库中，使用threading模块来支持多线程。Threading模块对thread进行了封装，绝大数情况，只需要使用threading这个模块。使用起来也非常简单：
t1=threading.Thread(target=run,args=("t1",)) 创建一个线程实例# target是要执行的函数名（不是函数），args是函数对应的参数，以元组的形式存在t1.start() 启动这个线程实例。普通创建方式
线程的创建很简单，如下：
import threadingimport timedef printStr(name): print(name+"-python青灯") s=0.5 time.sleep(s)print(name+"-python青灯")t1=threading.Thread(target=printStr,args=("你好！",))t2=threading.Thread(target=printStr,args=("欢迎你！",))t1.start()t2.start()自定义线程
本质是继承threading.Thread，重构Thread类中的run方法
import threadingimport timeclass testThread(threading.Thread): def __init__(self,s): super(testThread,self).__init__() self.s=s def run(self): print(self.s+"--python") time.sleep(0.5) print(self.s+"--青灯")if __name__=='__main__': t1=testThread("测试1") t2=testThread("测试2") t1.start() t2.start()守护线程
使用setDaemon(True)把子线程都变成主线程的守护线程，因此当主线程结束后，子线程也会随之结束。也就是说，主线程不等待其守护线程执行完成再去关闭。
import threadingimport timedef run(s): print(s,"python") time.sleep(0.5) print(s,"青灯")if __name__ == "__main__": t=threading.Thread(target=run,args=("你好!",)) t.setDaemon(True) t.start() print("end")结果：
你好! python
end
当主线程结束后，守护线程不管有没有结束，都自动结束。
主线程等待子线程结束
使用join方法，让主线程等待子线程执行。如下：
import threadingimport timedef run(s): print(s,"python") time.sleep(0.5) print(s,"青灯")if __name__ == "__main__": t=threading.Thread(target=run,args=("你好!",)) t.setDaemon(True) t.start() t.join() print("end")结果：
你好! python
你好! 青灯
end
以上是多线程的几种简单的用法，那么threading模块还有做什么呢？请往下看。
Lock 锁
其实在介绍diskcache缓存的时候也介绍过锁的相关内容，其实不难理解为啥多线程中也会出现锁的概念，当没有保护共享资源时，多个线程在处理同一资源时，可能会出现脏数据，造成不可以预期的结果，即线程不安全。
如下示例出现不可预期的结果：
import threadingprice=0def changePrice(n): global price price=price+n price=price-ndef runChange(n): for i in range(2000000): changePrice(n)if __name__ == "__main__": t1=threading.Thread(target=runChange,args=(5,)) t2=threading.Thread(target=runChange,args=(8,)) t1.start() t2.start() t1.join() t2.join() print(price)
理论上的结果为0，但是每次运行的结果可能都是不一样的。
所以这个时候就需要锁去处理了，如下：
import threadingimport timefrom threading import Lockprice=0def changePrice(n): global price lock.acquire() #获取锁 price=price+n print("price:"+str(price)) price=price-n lock.release() #释放锁def runChange(n): for i in range(2000000): changePrice(n)if __name__ == "__main__": lock=Lock() t1=threading.Thread(target=runChange,args=(5,)) t2=threading.Thread(target=runChange,args=(8,)) t1.start() t2.start() t1.join() t2.join() print(price)结果值与理论值是一致的。锁的意义在于每次只允许一个线程去修改同一数据，以保证线程安全。
信号量
BoundedSemaphore类，同时允许一定数量的线程更改数据，如下：
import threadingimport timedef work(n): semaphore.acquire() print("序号:"+str(n)) time.sleep(1) semaphore.release()if __name__ == "__main__": semaphore=threading.BoundedSemaphore(5) for i in range(100): t=threading.Thread(target=work,args=(i+1,)) t.start()#active_count获取当前正在运行的线程数while threading.active_count()!=1: pass else: print("end")结果为：每5次打印停顿一下，直到结束。
GIL全局解释器锁
说到多线程，不得不提一下GIL。GIL的全称是Global Interpreter Lock(全局解释器锁)，这是python设计之初，为了数据安全所做的决定。某个线程想要执行，必须先拿到GIL，并且在一个进程中，GIL只有一个。只有拿到GIL的线程，才能进入CPU执行。GIL只在cpython中才有，因为cpython调用的是c语言的原生线程，所以他不能直接操作cpu，只能利用GIL保证同一时间只能有一个线程拿到数据。而在pypy和jpython中是没有GIL的。
到此，关于"Python多线程爬虫举例分析"的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！
