2023爬虫学习笔记 -- 多线程操作

一、定义一个程序开始时间

程序开始时间=time.time()
           

二、创建几个网址，模拟目标网站

网址列表=['http://www.baidu.com','http://www.sogou.com','http://www.163.com']
           

三、创建一个函数访问网站，模拟爬取数据操作（耗时操作）

头={
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36"
}
def 访问网站(url):
    网站内容=requests.get(url=url,headers=头).text
    time.sleep(2)
    print(网站内容[1:20])
           

四、调用函数，并获取时长，每次程序运行时间在6-7秒之间

for 网址 in 网址列表:
    访问网站(网址)
print("总耗时长：",time.time()-程序开始时间)
           

五、总耗时长

六、换成多线程操作

1、前三步和上面一样

程序开始时间=time.time()
网址列表=['http://www.baidu.com','http://www.sogou.com','http://www.163.com']
头={
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36"
}
def 访问网站(url):
    网站内容=requests.get(url=url,headers=头).text
    time.sleep(2)
    print(网站内容[1:20])
           

2、创建一个线程，并将所有子线程放进去

线程池=[]
for 网址 in 网址列表:
    线程=Thread(target=访问网站,args=(网址,))
    线程池.append(线程)
    线程.start()
           

3、让子线程执行完毕，主程序再结束，并获取程序运行时间

for t in 线程池:
    t.join()
print("总耗时长：",time.time()-程序开始时间)
           

4、总耗时长在2-3秒之间，是上面的三倍