爬虫并行化

map使用

map函数包含了序列操作,参数传递和结果保存的的一系列操作

导入

from multiprocessing.dummy import Pool
pool = Pool(4)  #表示4线程
results = pool.map(爬取函数,网址列表)

附上简单并行爬虫的例子

__author__ = 'ding'
'''
多线程使用
'''
from multiprocessing.dummy import Pool as ThreadPool
import requests
import time


def getsource(url):
    html = requests.get(url)


urls = []

for i in range(1, 21):
    newpage = 'http://tieba.baidu.com/p/3522395718?pn=' + str(i)
    urls.append(newpage)

time1 = time.time()
for i in urls:
    print(i)
    getsource(i)

time2 = time.time()
print('单线程耗时:' + str(time2 - time1))

pool = ThreadPool(4)
time3 = time.time()
results = pool.map(getsource, urls)
pool.close()
pool.join()
time4 = time.time()
print("并行耗时:" + str(time4 - time3))

out put

单线程耗时:109.83350014686584
并行耗时:13.332000017166138

网络较慢所以耗时较长,但相比较而言并行效率比单线程要高上很多

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容