这篇教程Python爬虫之线程池的使用写得很实用，希望能帮到您。
一、前言学到现在，我们可以说已经学习了爬虫的基础知识，如果没有那些奇奇怪怪的反爬虫机制，基本上只要有时间分析，一般的数据都是可以爬取的，那么到了这个时候我们需要考虑的就是爬取的效率了，关于提高爬虫效率，也就是实现异步爬虫，我们可以考虑以下两种方式：一是线程池的使用（也就是实现单进程下的多线程），一是协程的使用（如果没有记错，我所使用的协程模块是从python3.4以后引入的，我写博客时使用的python版本是3.9）。 今天我们先来讲讲线程池。
二、同步代码演示我们先用普通的同步的形式写一段代码 import timedef func(url): print("正在下载：", url) time.sleep(2) print("下载完成：", url)if __name__ == '__main__': start = time.time() # 开始时间 url_list = [ "a", "b", "c" ] for url in url_list: func(url) end = time.time() # 结束时间 print(end - start)对于代码运行的结果我们心里都有数，但还是让我们来看一下吧 
不出所料。运行时间果然是六秒
三、异步，线程池代码那么如果我们使用线程池运行上述代码又会怎样呢？ import timefrom multiprocessing import Pooldef func(url): print("正在下载：", url) time.sleep(2) print("下载完成：", url)if __name__ == '__main__': start = time.time() # 开始时间 url_list = [ "a", "b", "c" ] pool = Pool(len(url_list)) # 实例化一个线程池对象，并且设定线程池的上限数量为列表长度。不设置上限也可以。 pool.map(func, url_list) end = time.time() # 结束时间 print(end - start)下面就是见证奇迹的时候了，让我们运行程序 
我们发现这次我们的运行时间只用2～3秒。其实我们可以将线程池简单的理解为将多个任务同时进行。 注意： 1.我使用的是 pycharm，如果使用的是 VS 或者说是 python 自带的 idle，在运行时我们只能看到最后时间的输出。 2.我们输出结果可能并不是按 abc 的顺序输出的。
四、同步爬虫爬取图片因为我们的重点是线程池的爬取效率提高，我们就简单的爬取一页的图片。 import requestsimport timeimport osfrom lxml import etreedef save_photo(url, title): # UA伪装 header = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.93 Safari/537.36" } # 发送请求 photo = requests.get(url=url, headers=header).content # 创建路径，避免重复下载 if not os.path.exists("C://Users//ASUS//Desktop//CSDN//高性能异步爬虫//线程池//同步爬虫爬取4K美女图片//" + title + ".jpg"): with open("C://Users//ASUS//Desktop//CSDN//高性能异步爬虫//线程池//同步爬虫爬取4K美女图片//" + title + ".jpg", "wb") as fp: print(title, "开始下载！！！") fp.write(photo) print(title, "下载完成！！！")if __name__ == '__main__': start = time.time() # 创建文件夹 if not os.path.exists("C://Users//ASUS//Desktop//CSDN//高性能异步爬虫//线程池//同步爬虫爬取4K美女图片"): os.mkdir("C://Users//ASUS//Desktop//CSDN//高性能异步爬虫//线程池//同步爬虫爬取4K美女图片") # UA伪装 header = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.93 Safari/537.36" } # 指定url url = "https://pic.netbian.com/4kmeinv/" # 发送请求，获取源码 page = requests.get(url = url, headers = header).text # xpath 解析，获取图片的下载地址的列表 tree = etree.HTML(page) url_list = tree.xpath('//*[@id="main"]/div[3]/ul/li/a/@href') # 通过下载地址获取高清图片的地址和图片名称 for href in url_list: new_url = "https://pic.netbian.com" + href # 再一次发送请求 page = requests.get(url = new_url, headers = header).text # 再一次 xpath 解析 new_tree = etree.HTML(page) src = "https://pic.netbian.com" + new_tree.xpath('//*[@id="img"]/img/@src')[0] title = new_tree.xpath('//*[@id="img"]/img/@title')[0].split(" ")[0] # 编译文字 title = title.encode("iso-8859-1").decode("gbk") # 下载，保存 save_photo(src, title) end = time.time() print(end - start)让我们看看同步爬虫需要多长时间 
然后再让我们看看使用线程池的异步爬虫爬取这些图片需要多久
五、使用线程池的异步爬虫爬取4K美女图片import requestsimport timeimport osfrom lxml import etreefrom multiprocessing import Pooldef save_photo(src_title): # UA伪装 header = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.93 Safari/537.36" } # 发送请求 url = src_title[0] title = src_title[1] photo = requests.get(url=url, headers=header).content # 创建路径，避免重复下载 if not os.path.exists("C://Users//ASUS//Desktop//CSDN//高性能异步爬虫//线程池//异步爬虫爬取4K美女图片//" + title + ".jpg"): with open("C://Users//ASUS//Desktop//CSDN//高性能异步爬虫//线程池//异步爬虫爬取4K美女图片//" + title + ".jpg", "wb") as fp: print(title, "开始下载！！！") fp.write(photo) print(title, "下载完成！！！")if __name__ == '__main__': start = time.time() # 创建文件夹 if not os.path.exists("C://Users//ASUS//Desktop//CSDN//高性能异步爬虫//线程池//异步爬虫爬取4K美女图片"): os.mkdir("C://Users//ASUS//Desktop//CSDN//高性能异步爬虫//线程池//异步爬虫爬取4K美女图片") # UA伪装 header = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.93 Safari/537.36" } # 指定url url = "https://pic.netbian.com/4kmeinv/" # 发送请求，获取源码 page = requests.get(url = url, headers = header).text # xpath 解析，获取图片的下载地址的列表 tree = etree.HTML(page) url_list = tree.xpath('//*[@id="main"]/div[3]/ul/li/a/@href') # 存储最后的网址和标题的列表 src_list = [] title_list = [] # 通过下载地址获取高清图片的地址和图片名称 for href in url_list: new_url = "https://pic.netbian.com" + href # 再一次发送请求 page = requests.get(url = new_url, headers = header).text # 再一次 xpath 解析 new_tree = etree.HTML(page) src = "https://pic.netbian.com" + new_tree.xpath('//*[@id="img"]/img/@src')[0] src_list.append(src) title = new_tree.xpath('//*[@id="img"]/img/@title')[0].split(" ")[0] # 编译文字 title = title.encode("iso-8859-1").decode("gbk") title_list.append(title) # 下载，保存。使用线程池 pool = Pool() src_title = zip(src_list, title_list) pool.map(save_photo, list(src_title)) end = time.time() print(end - start)让我们来看看运行的结果 
只用了 17 秒，可不要小瞧这几秒，如果数据太大，这些差距后来就会更大了。 注意 不过我们必须要明白 线程池 是有上限的，这就是说数据太大，线程池的效率也会降低，所以这就要用到协程模块了。 到此这篇关于Python爬虫之线程池的使用的文章就介绍到这了,更多相关Python线程池的使用内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
python高级语法之闭包和装饰器详解
python实战之利用pygame实现贪吃蛇游戏（一） |
