爬虫基础知识(陆)
Posted lavender1221
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫基础知识(陆)相关的知识,希望对你有一定的参考价值。
一、多线程爬虫
(一)程序、进程与线程:
程序:相当于一个应用。
进程:程序运行资源(内存资源)的最小分配单位,一个程序可以有多个进程。
线程:cpu最小的调度单位,必须依赖进程而存在。线程没有独立资源,所有线程共享该进程的全部资源。
线程的划分尺度比进程小。
(二)为什么多进程和多线程可以提高程序的运行速度?
1、提高程序的运行速度的第一种方法:提高CPU的利用率。
解决方式:CPU不用休息。----多线程
程序中如果只有一个线程,CPU就只处理它。如果在程序中遇到了阻塞,一旦阻塞了,CPU就休息了,休息的时间里,浪费了CPU的资源。
造成阻塞的方法:
a、time.sleep()
b、遇到IO
而多线程指多个任务。CPU会在这多个任务之间切换,若其中一个线程阻塞了,CPU不会休息,会处理其他线程。
2、提高程序运行速度的第二种方法:增加CPU,让每个CPU处理一个任务。
CPU是多核的。---利用CPU的多核进行解决。CPU每一个核处理一个进程。----多进程
(三)什么是多线程:
程序中包含多个并行执行流。
二、python中的threading模块
1、多线程的开启方法:
(1)使用threading模块的方法
t=threading.Thread(
target=线程执行的任务(方法)名字,
args=执行方法的参数,是一个元组类型
)#创建线程
t.start()#启动线程
(2)使用自定义类的形式来创建线程
利用面向对象继承的思想。
自定义线程类:
a、继承threading.Thread
b、保证父类的init方法能够被调用。
如何调用父类的init方法:
super().__init__()
threading.Thread.__init__(self)
用类去创建线程的步骤:
1、继承Thread
2、重写run方法
3、实例化线程类,就相当于创建一个线程,用这个对象调用start方法,就可以启动这个线程。
4、如果自定义线程类要实现init方法,必须先调用父类的init方法。
2、线程的名称:可以帮助我们测试时了解哪个线程在做哪件事。
线程对象.name查看:默认是Thread-1,Thread-2....
自定义名称:其实就是给self.name赋值
3、查看线程的数量:
threading.enumerate()---可以查看当前进程中的线程数量。
4、线程的执行顺序是混乱、随机的。
原因:线程的状态决定。
以上是关于爬虫基础知识(陆)的主要内容,如果未能解决你的问题,请参考以下文章