我胡汉三又回来了，这次给鱼油带来多线程爬虫案例，以及踩过的深坑

Hsfaa · 发表于 2019-7-27 16:35:58

下下来看看

fan1993423 · 发表于 2019-7-30 17:49:03

@Stubborn 楼主，如果这句话for t in crawl_threads: t.join()在parser_threads = [] parser_name = ["parser_1","parser_2","parser_3"]之前，是不是相当于还是单线程运行

Stubborn · 发表于 2019-7-30 20:39:52

本帖最后由 Stubborn 于 2019-7-30 20:42 编辑

fan1993423 发表于 2019-7-30 17:49
@Stubborn 楼主，如果这句话for t in crawl_threads: t.join()在parser_threads = [] parser_name = ["pars ...

到这里已经是采集线程结束了，关闭采集线程了

#等待队列情况
while not pageQueue.empty(): #判断是否为空采集队列
pass

复制代码

采集线程空了，没有任务，所以结束了采集（或者说生产数据线程）

最好你说下是哪行

fan1993423 · 发表于 2019-7-31 13:56:14

Stubborn 发表于 2019-7-30 20:39
到这里已经是采集线程结束了，关闭采集线程了

采集线程空了，没有任务，所以结束了采集（或者说生产 ...

while循环的用途我知道，我就是想问你的顺序是初始化采集线程->初始化解析线程->等待采集队列。。。。如果换一下顺序初始化采集线程->等待采集队列->等待采集主线程结束然后才去处理解析线程这样和你的结果是一样的吗？或者说有什么不同（其他具体执行程序不变）

Stubborn · 发表于 2019-7-31 17:08:17

fan1993423 发表于 2019-7-31 13:56
while循环的用途我知道，我就是想问你的顺序是初始化采集线程->初始化解析线程->等待采集队列。。。。如 ...

虽然不知道你为什么有这个想法，不过看程序走就知道，采集线程的全部数据都是在往data队列里面存的。然后解析线程再从data队列里面取。结果没有测试，从代码上来看，结果会一样，但是速度就没有那么快，既然用了线程，就肯定是要求速度方面的，等待采集结束，再开解析，大致相当于，慢了一半的速度，具体我没有测试过，看代码说的，你有兴趣可以测试下

fan1993423 · 发表于 2019-7-31 17:15:10

Stubborn 发表于 2019-7-31 17:08
虽然不知道你为什么有这个想法，不过看程序走就知道，采集线程的全部数据都是在往data队列里面存的。然后 ...

我觉得这个可不可以理解采集完成一部分后就交了一部分给解析，从而加快速度

Stubborn · 发表于 2019-7-31 21:32:38

fan1993423 发表于 2019-7-31 17:15
我觉得这个可不可以理解采集完成一部分后就交了一部分给解析，从而加快速度

可以的，当采集和解析运行之后，解析线程就会从data队列里面取数据，里面一旦有数据，就进行解析，从而加速的

fan1993423 · 发表于 2019-8-1 10:04:17

Stubborn 发表于 2019-7-31 21:32
可以的，当采集和解析运行之后，解析线程就会从data队列里面取数据，里面一旦有数据，就进行解析，从而加 ...

嗯，但是有个问题，python有GIL锁，在这里没开多进程的情况下，也就是单进程多线程，那么我有个疑问就是假设总速度不变，你现在将一部分采集给了解析，那么解析那部分会不会占用采集，从而使采集因为线程被占，速度变慢。而且你这个没加锁的话，有没有可能出现线程紊乱的情况？

木木头 · 发表于 2019-8-1 13:33:15

来了

Stubborn · 发表于 2019-8-1 16:26:32

fan1993423 发表于 2019-8-1 10:04
嗯，但是有个问题，python有GIL锁，在这里没开多进程的情况下，也就是单进程多线程，那么我有个疑问就是 ...

解析线程为什么会被占用？看下代码，这个并不要锁，基于生产消费者模型，你看代码可以看到，所有采集线程的采集数据，全部往队列里面存。而所有解析，都是从队列里面取数据，唯一可能产生混乱的地方，就是保存的部分，可以看看开头，和代码贴里面，保存图片有何不同。另外什么地方需要加锁？线程大致的了解下可以参考这个链接点击我前往

jack3223635 · 发表于 2019-8-1 16:38:58

学习了！！！

phoniex628 · 发表于 2019-8-7 15:55:19

Mark 一下

庚午 · 发表于 2019-8-7 21:49:14

谢谢

w454227 · 发表于 2019-8-11 19:26:01

学习学习

w454227 · 发表于 2019-8-11 22:35:19

启动了crawl_1线程
当前正在工作的线程是：crawl_1，正在采集第1个页面
启动了crawl_2线程
启动了crwal_3线程
当前正在工作的线程是：crwal_3，正在采集第2个页面
当前正在工作的线程是：crawl_2，正在采集第3个页面
启动了parser_1线程
启动了parser_2线程
启动了parser_3线程
退出了crwal_3线程
退出了crawl_2线程
退出了crawl_1线程
退出了parser_2线程
退出了parser_3线程
退出了parser_1线程
退出主线程
这是什么原因大佬

83519489 · 发表于 2019-8-12 14:43:41

我直接来看答案了

Stubborn · 发表于 2019-8-12 21:23:43

w454227 发表于 2019-8-11 22:35
启动了crawl_1线程
当前正在工作的线程是：crawl_1，正在采集第1个页面
启动了crawl_2线程

没有采集到东西，估计改了规则了把

zhixuan9650412 · 发表于 2019-9-8 10:36:06

Rhoda · 发表于 2019-9-8 10:54:25

账号		自动登录	找回密码
密码			立即注册

[作品展示] 我胡汉三又回来了，这次给鱼油带来多线程爬虫案例，以及踩过的深坑