当前位置: 首页 > wzjs >正文

北京社区网站建设搜索引擎是什么

北京社区网站建设,搜索引擎是什么,软件定制解决方案,企业党建网站建设方案claude生成的python多线程、异步代码示例,模拟20个网页的爬取,每个网页假设要0.5-2秒完成。 代码 Python多线程爬虫教程 核心概念 多线程:允许程序同时执行多个任务,提高IO密集型任务(如网络请求)的效率…

claude生成的python多线程、异步代码示例,模拟20个网页的爬取,每个网页假设要0.5-2秒完成。

代码

Python多线程爬虫教程

核心概念

多线程:允许程序同时执行多个任务,提高IO密集型任务(如网络请求)的效率。

线程池:预先创建固定数量的线程,避免频繁创建销毁线程的开销。

1. 基础单线程版本

import time
import random
from urllib.parse import urljoindef simulate_fetch(url):"""模拟网络请求,随机延迟0.5-2秒"""delay = random.uniform(0.5, 2.0)time.sleep(delay)return f"Data from {url} (took {delay:.2f}s)"def single_thread_crawler(urls):"""单线程爬虫"""results = []start_time = time.time()for url in urls:result = simulate_fetch(url)results.append(result)print(f"✓ {result}")print(f"单线程总耗时: {time.time() - start_time:.2f}秒")return results

2. 多线程版本(Thread类)

import threadingclass CrawlerThread(threading.Thread):def __init__(self, url, results, lock):super().__init__()self.url = urlself.results = resultsself.lock = lock  # 线程锁,保护共享资源def run(self):result = simulate_fetch(self.url)# 使用锁保护共享数据with self.lock:self.results.append(result)print(f"✓ {result}")def multi_thread_crawler_basic(urls):"""基础多线程爬虫"""results = []lock = threading.Lock()threads = []start_time = time.time()# 创建并启动线程for url in urls:thread = CrawlerThread(url, results, lock)threads.append(thread)thread.start()# 等待所有线程完成for thread in threads:thread.join()print(f"多线程总耗时: {time.time() - start_time:.2f}秒")return results

3. 线程池版本(推荐)

from concurrent.futures import ThreadPoolExecutor, as_completeddef multi_thread_crawler_pool(urls, max_workers=5):"""使用线程池的多线程爬虫"""results = []start_time = time.time()with ThreadPoolExecutor(max_workers=max_workers) as executor:# 提交所有任务future_to_url = {executor.submit(simulate_fetch, url): url for url in urls}# 获取结果for future in as_completed(future_to_url):url = future_to_url[future]try:result = future.result()results.append(result)print(f"✓ {result}")except Exception as e:print(f"✗ {url} failed: {e}")print(f"线程池总耗时: {time.time() - start_time:.2f}秒")return results

4. 异步版本(asyncio)

import asyncio
import aiohttp
from aiohttp import ClientSessionasync def async_fetch(session, url):"""异步模拟网络请求"""delay = random.uniform(0.5, 2.0)await asyncio.sleep(delay)  # 异步等待return f"Data from {url} (took {delay:.2f}s)"async def async_crawler(urls, max_concurrent=5):"""异步爬虫"""results = []start_time = time.time()# 创建信号量限制并发数semaphore = asyncio.Semaphore(max_concurrent)async def fetch_with_semaphore(session, url):async with semaphore:return await async_fetch(session, url)# 模拟session(实际使用中用aiohttp.ClientSession)session = None# 创建所有任务tasks = [fetch_with_semaphore(session, url) for url in urls]# 并发执行所有任务for coro in asyncio.as_completed(tasks):result = await cororesults.append(result)print(f"✓ {result}")print(f"异步总耗时: {time.time() - start_time:.2f}秒")return resultsdef run_async_crawler(urls):"""运行异步爬虫"""return asyncio.run(async_crawler(urls))

5. 完整测试代码

def main():# 测试数据:20个URLurls = [f"https://example.com/page{i}" for i in range(1, 21)]print("=" * 50)print("单线程爬虫测试")print("=" * 50)single_thread_crawler(urls[:5])  # 测试5个URL避免等待太久print("\n" + "=" * 50)print("多线程爬虫测试(Thread类)")print("=" * 50)multi_thread_crawler_basic(urls[:10])print("\n" + "=" * 50)print("线程池爬虫测试(推荐)")print("=" * 50)multi_thread_crawler_pool(urls, max_workers=5)print("\n" + "=" * 50)print("异步爬虫测试")print("=" * 50)run_async_crawler(urls)if __name__ == "__main__":main()

关键知识点

线程锁(Lock)

lock = threading.Lock()
with lock:  # 自动获取和释放锁# 临界区代码shared_data.append(result)

线程池优势

  • 自动管理线程生命周期
  • 限制并发数量,避免资源耗尽
  • 异常处理更完善
  • 代码更简洁

异步 vs 多线程

  • 异步:单线程,通过事件循环处理IO等待
  • 多线程:多个线程并行执行
  • 选择:IO密集型优先考虑异步,CPU密集型考虑多线程

性能对比

在20个URL的测试中:

  • 单线程:约20-40秒
  • 多线程:约4-8秒
  • 异步:约4-8秒

实际应用建议

  1. 简单场景:使用ThreadPoolExecutor
  2. 大规模爬虫:使用asyncio + aiohttp
  3. 混合任务:结合多线程和异步
  4. 注意事项
    • 控制并发数,避免被网站封禁
    • 添加重试机制和异常处理
    • 遵守robots.txt和网站使用条款
http://www.dtcms.com/wzjs/243403.html

相关文章:

  • 青海制作网站的公司如何进行搜索引擎优化?
  • 南京 电子商务网站宁波网络推广公司有哪些
  • 上海网站制作培训厦门人才网最新招聘信息
  • wordpress 缓存文章列表杭州seo全网营销
  • 制作卡牌的网站网络营销推广主要做什么?
  • 移动建站价格如何软件网站优化公司
  • 吉安哪里做网站网站开发建设步骤
  • 按摩养生网站建设百度网站链接提交入口
  • 网站平台被骗了怎么办怎样做推广是免费的
  • 怎么看网站是否织梦优化设计方法
  • 做网站里面的内容网页优化包括
  • 长沙学做网站建设全球热搜榜排名今日
  • 自己公司怎样做免费的网站百度手机助手下载安装
  • 网站建设管理与维护百度知道问答首页
  • 自己做的网站程序怎么发布广州seo运营
  • 交互设计师工资一般多少影响关键词优化的因素
  • 北京成交型网站建设价格成都seo培训
  • 迁安做网站中的cms润强网站百度收录秒收方法
  • 日本插画网站衡阳seo优化首选
  • 做橡胶应该看什么网站宁波优化关键词首页排名
  • 网站标题logo修改代码如何实施网站推广
  • 桥东网站建设百度排名优化工具
  • 官方网站哪家做的最好2021年网络营销考试题及答案
  • 做国外服务器网站吗seo白帽优化
  • 如何建网站赚钱哈尔滨seo推广
  • 网站页脚怎么做网站改进建议有哪些
  • 网站首页上的动画是咋做的深圳网络营销
  • 网上做夫妻的网站重庆网站优化公司
  • 什么是网站平台开发线上平台推广方式
  • 吸引人的网站类型南宁百度seo