Python爬虫教程(四)

142 阅读4分钟

开发者社区.png

一、线程、进程、协程的概念

    线程:是进程的一个执行单元,是进程内可调度实体。比进程更小的独立运行的基本单位。线程也被称为轻量级进程。

    进程:是并发执行的程序在执行过程中分配和管理资源的基本单位,是一个动态概念,竞争计算机系统资源的基本单位。

    协程:是一种比线程更加轻量级的存在。一个线程也可以拥有多个协程。其执行过程更类似于子例程,或者说不带返回值的函数调用。

二、多线程

    1.单线程:两个部分的任务,执行完前面再执行后面任务。

           image.png

                        image.png

    2.多线程

      image.png

                     image.png

    通过输出结果,可以看到两个线程是同时进行任务的,但任务执行由CPU决定(可以创建多个线程)。

    3.第二种多线程方法

          image.png

                  image.png

    其输出结果与第一种方式类似,可通过结果看出两个线程在同时工作。

    4.建立多个子线程。

          image.png

                     image.png

三、多进程

    其逻辑与多线程逻辑基本相同。

           image.png

                     image.png

四、线程池及进程池

    我们可通过线程池和进程池进行多个线程或进程的并行运算。

    1.线程池

image.png

                    image.png

    2.进程池

image.png

                        image.png

五、协程

    1.协程:协程是比线程更小的一种执行单元,你可以认为是轻量级的线程,当程序遇见IO操作时,可以选择切换到其他任务上,更适合于用来实现彼此熟悉的程序组件,如合作式多任务,迭代器,无限列表和管道。

    微观上是一个任务一个任务进行切换,切换条件是IO操作;宏观上为多个任务一起执行(多任务异步操作)。

    2.异步协程及同步操作。

           image.png

    image.png

    同步操作输出结果:运行时间9秒,基本为等待时间。

image.png

    异步操作:

          image.png

    image.png

    异步操作输出结果:4秒的时间基本为最长等待时间,两个时间对比可看出异步操作为同时启动多个任务。

image.png

    3.使用异步协程实战下载优美图库图片,选择三张图片下载地址进行简单的下载,学习aiohttp模块的应用,与requests模块进行对比。

image.png

      image.png

    输出结果:

image.png

              image.png

    4.实战爬取百度小说西游记全文。

    image.png

    其页面源代码中没有小说内容,打开开发者工具,点击查看全部章节。

image.png

image.png

    找到标题内容及标题内容所在链接。下面寻找小说具体内容及内容所在链接,点击任意一章进入。

image.png

image.png

    下面进行小说内容爬取,小说内容较多,我们使用异步协程的方式进行爬取,通过book_id、c_id进行传参,可通过修改book_id即可爬取百度小说中其他小说的内容。

image.png

image.png

          image.png