文章目錄

• 一、帶有返回值的多線程
• • 1.1 實現代碼
  • 1.2 結果
• 二、實現過程
• • 2.1 一個普通的單線程爬蟲函數
  • 2.2 一個簡單的多線程傳值實例
  • 2.3 實現重點
• 三、代碼實戰
• 四、學習

一、帶有返回值的多線程

1.1 實現代碼

# -*- coding:utf-8 -*-
"""
作者：wyt
日期：2022年04月21日
"""
import threading
import requests
import time
urls = [
f'https://www.cnblogs.com/#p{page}' # 待爬地址
for page in range(1, 10) # 爬取1-10頁
]
def craw(url):
r = requests.get(url)
num = len(r.text) # 爬取博客園當頁的文字數
return num # 返回當頁文字數
def sigle(): # 單線程
res = []
for i in urls:
res.append(craw(i))
return res
class MyThread(threading.Thread): # 重寫threading.Thread類，加入獲取返回值的函數
def __init__(self, url):
threading.Thread.__init__(self)
self.url = url # 初始化傳入的url
def run(self): # 新加入的函數，該函數目的：
self.result = craw(self.url) # ①。調craw(arg)函數，並將初試化的url以參數傳遞——實現爬蟲功能
# ②。並獲取craw(arg)函數的返回值存入本類的定義的值result中
def get_result(self): #新加入函數，該函數目的：返回run()函數得到的result
return self.result
def multi_thread():
print("start")
threads = [] # 定義一個線程組
for url in urls:
threads.append( # 線程組中加入賦值後的MyThread類
MyThread(url) # 將每一個url傳到重寫的MyThread類中
)
for thread in threads: # 每個線程組start
thread.start()
for thread in threads: # 每個線程組join
thread.join()
list = []
for thread in threads:
list.append(thread.get_result()) # 每個線程返回結果(result)加入列表中
print("end")
return list # 返回多線程返回的結果組成的列表
if __name__ == '__main__':
start_time = time.time()
result_multi = multi_thread()
print(result_multi) # 輸出返回值-列表
# result_sig = sigle()
# print(result_sig)
end_time = time.time()
print('用時：', end_time - start_time)

1.2 結果

單線程：

多線程：

加速效果明顯。

二、實現過程

2.1 一個普通的單線程爬蟲函數

import threading
import requests
import time
urls = [
f'https://www.cnblogs.com/#p{page}' # 待爬地址
for page in range(1, 10) # 爬取1-10頁
]
def craw(url):
r = requests.get(url)
num = len(r.text) # 爬取博客園當頁的文字數
print(num)
def sigle(): # 單線程
res = []
for i in urls:
res.append(craw(i))
return res
if __name__ == '__main__':
start_time = time.time()
result_sig = sigle()
print(result_sig)
end_time = time.time()
print('用時：', end_time - start_time)

2.2 一個簡單的多線程傳值實例

import time
from threading import Thread
def foo(number):
time.sleep(1)
return number
class MyThread(Thread):
def __init__(self, number):
Thread.__init__(self)
self.number = number
def run(self):
self.result = foo(self.number)
def get_result(self):
return self.result
if __name__ == '__main__':
thd1 = MyThread(3)
thd2 = MyThread(5)
thd1.start()
thd2.start()
thd1.join()
thd2.join()
print(thd1.get_result())
print(thd2.get_result())

返回：

3
5

2.3 實現重點

1. 多線程入口

   threading.Thread(target=craw,args=(url,)) # 注意args=(url,)，元組

2. 多線程傳參
   需要重寫一下threading.Thread類，加一個接收返回值的函數。

三、代碼實戰

使用這種帶返回值的多線程技術重寫了一下之前發布過的一個爬取子域名的代碼，原始代碼在這裡：https://blog.csdn.net/qq_45859826/article/details/124030119

import threading
import requests
from bs4 import BeautifulSoup
from static.plugs.headers import get_ua
#https://cn.bing.com/search?q=site%3Abaidu.com&go=Search&qs=ds&first=20&FORM=PERE
def search_1(url):
Subdomain = []
html = requests.get(url, stream=True, headers=get_ua())
soup = BeautifulSoup(html.content, 'html.parser')
job_bt = soup.findAll('h2')
for i in job_bt:
link = i.a.get('href')
# print(link)
if link not in Subdomain:
Subdomain.append(link)
return Subdomain
class MyThread(threading.Thread):
def __init__(self, url):
threading.Thread.__init__(self)
self.url = url
def run(self):
self.result = search_1(self.url)
def get_result(self):
return self.result
def Bing_multi_thread(site):
print("start")
threads = []
for i in range(1, 30):
url = "https://cn.bing.com/search?q=site%3A" + site + "&go=Search&qs=ds&first=" + str(
(int(i) - 1) * 10) + "&FORM=PERE"
threads.append(
MyThread(url)
)
for thread in threads:
thread.start()
for thread in threads:
thread.join()
res_list = []
for thread in threads:
res_list.extend(thread.get_result())
res_list = list(set(res_list)) #列表去重
number = 1
for i in res_list:
number += 1
number_list = list(range(1, number + 1))
dict_res = dict(zip(number_list, res_list))
print("end")
return dict_res
if __name__ == '__main__':
print(Bing_multi_thread("qq.com"))

返回：

{
1:'https://transmart.qq.com/index',
2:'https://wpa.qq.com/msgrd?v=3&uin=448388692&site=qq&menu=yes',
3:'https://en.exmail.qq.com/',
4:'https://jiazhang.qq.com/wap/com/v1/dist/unbind_login_qq.shtml?source=h5_wx',
5:'http://imgcache.qq.com/',
6:'https://new.qq.com/rain/a/20220109A040B600',
7:'http://cp.music.qq.com/index.html',
8:'http://s.syzs.qq.com/',
9:'https://new.qq.com/rain/a/20220321A0CF1X00',
10:'https://join.qq.com/about.html',
11:'https://live.qq.com/10016675',
12:'http://uni.mp.qq.com/',
13:'https://new.qq.com/omn/TWF20220/TWF2022042400147500.html',
14:'https://wj.qq.com/?from=exur#!',
15:'https://wj.qq.com/answer_group.html',
16:'https://view.inews.qq.com/a/20220330A00HTS00',
17:'https://browser.qq.com/mac/en/index.html',
18:'https://windows.weixin.qq.com/?lang=en_US',
19:'https://cc.v.qq.com/upload',
20:'https://xiaowei.weixin.qq.com/skill',
21:'http://wpa.qq.com/msgrd?v=3&uin=286771835&site=qq&menu=yes',
22:'http://huifu.qq.com/',
23:'https://uni.weixiao.qq.com/',
24:'http://join.qq.com/',
25:'https://cqtx.qq.com/',
26:'http://id.qq.com/',
27:'http://m.qq.com/',
28:'https://jq.qq.com/?_wv=1027&k=pevCjRtJ',
29:'https://v.qq.com/x/page/z0678c3ys6i.html',
30:'https://live.qq.com/10018921',
31:'https://m.campus.qq.com/manage/manage.html',
32:'https://101.qq.com/',
33:'https://new.qq.com/rain/a/20211012A0A3L000',
34:'https://live.qq.com/10021593',
35:'https://pc.weixin.qq.com/?t=win_weixin&lang=en',
36:'https://sports.qq.com/lottery/09fucai/cqssc.htm'
}

非常非常非常能感受到速度快了超級多，用這種方式爆破子域名也比較爽。沒有多線程，我的項目裡可能缺少了好幾個功能：因為之前寫過的一些程序都因執行時間過長被我砍掉。這個功能還是很實用的。

四、學習

B站python-多線程教程：https://www.bilibili.com/video/BV1bK411A7tV

2022年4月28日於家中，加油！

先自我介紹一下，小編13年上師交大畢業，曾經在小公司待過，去過華為OPPO等大廠，18年進入阿裡，直到現在。深知大多數初中級java工程師，想要升技能，往往是需要自己摸索成長或是報班學習，但對於培訓機構動則近萬元的學費，著實壓力不小。自己不成體系的自學效率很低又漫長，而且容易碰到天花板技術停止不前。因此我收集了一份《java開發全套學習資料》送給大家，初衷也很簡單，就是希望幫助到想自學又不知道該從何學起的朋友，同時減輕大家的負擔。添加下方名片，即可獲取全套學習資料哦