摘要：本次爬蟲項(xiàng)目將會(huì)用到模塊中的類，多線程豆瓣電影圖片?？偨Y(jié)通過上述兩個(gè)爬蟲程序的對(duì)比，我們不難發(fā)現(xiàn)，同樣是下載豆瓣電影，個(gè)網(wǎng)頁(yè)中的圖片，在沒有使用多線程的情況下，總共耗時(shí)約，而在使用多線程個(gè)線程的情況下，總共耗時(shí)約秒，效率整整提高了約倍。

??本次爬蟲項(xiàng)目將爬取豆瓣Top250電影的圖片，其網(wǎng)址為：https://movie.douban.com/top250， 具體頁(yè)面如下圖所示：

??本次爬蟲項(xiàng)目將分別不使用多線程和使用多線程來完成，通過兩者的對(duì)比，顯示出多線程在爬蟲項(xiàng)目中的巨大優(yōu)勢(shì)。本文所使用的多線程用到了concurrent.futures模塊，該模塊是Python中最廣為使用的并發(fā)庫(kù)，它可以非常方便地將任務(wù)并行化。在concurrent.futures模塊中，共有兩種并發(fā)模塊，分別如下：

多線程模式：ThreadPoolExecutor，適合 IO密集型任務(wù)；

多進(jìn)程模式：ProcessPoolExecutor，適合計(jì)算密集型任務(wù)。

具體的關(guān)于該模塊的介紹可以參考其官方網(wǎng)址：https://docs.python.org/3/lib... 。
??本次爬蟲項(xiàng)目將會(huì)用到concurrent.futures模塊中的ThreadPoolExecutor類，多線程豆瓣Top250電影圖片。下面將會(huì)給出本次爬蟲項(xiàng)目分別不使用多線程和使用多線程的對(duì)比，以此來展示多線程在爬蟲中的巨大優(yōu)勢(shì)。

??首先，我們不使用多線程來下載豆瓣Top250電影圖片，其完整的Python代碼如下：

import time
import requests
import urllib.request
from bs4 import BeautifulSoup

# 該函數(shù)用于下載圖片
# 傳入函數(shù)： 網(wǎng)頁(yè)的網(wǎng)址url
def download_picture(url):

    # 獲取網(wǎng)頁(yè)的源代碼
    r = requests.get(url)
    # 利用BeautifulSoup將獲取到的文本解析成HTML
    soup = BeautifulSoup(r.text, "lxml")
    # 獲取網(wǎng)頁(yè)中的電影圖片
    content = soup.find("div", class_="article")
    images = content.find_all("img")
    # 獲取電影圖片的名稱和下載地址
    picture_name_list = [image["alt"] for image in images]
    picture_link_list = [image["src"] for image in images]

    # 利用urllib.request..urlretrieve正式下載圖片
    for picture_name, picture_link in zip(picture_name_list, picture_link_list):
        urllib.request.urlretrieve(picture_link, "E://douban/%s.jpg" % picture_name)


def main():

    # 全部10個(gè)網(wǎng)頁(yè)
    start_urls = ["https://movie.douban.com/top250"]
    for i in range(1, 10):
        start_urls.append("https://movie.douban.com/top250?start=%d&filter=" % (25 * i))

    # 統(tǒng)計(jì)該爬蟲的消耗時(shí)間
    t1 = time.time()
    print("*" * 50)

    for url in start_urls:
        download_picture(url)
    t2 = time.time()

    print("不使用多線程，總共耗時(shí)：%s"%(t2-t1))
    print("*" * 50)

main()

其輸出結(jié)果如下：

**************************************************
不使用多線程，總共耗時(shí)：79.93260931968689
**************************************************

去E盤中的douban文件夾查看，如下圖：

??我們可以看到，在不使用多線程的情況下，這個(gè)爬蟲總共耗時(shí)約80s，完成了豆瓣Top250電影圖片的下載。

??接下來，我們使用多線程來下載豆瓣Top250電影圖片，其完整的Python代碼如下：

import time
import requests
import urllib.request
from bs4 import BeautifulSoup
from concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED

# 該函數(shù)用于下載圖片
# 傳入函數(shù)： 網(wǎng)頁(yè)的網(wǎng)址url
def download_picture(url):

    # 獲取網(wǎng)頁(yè)的源代碼
    r = requests.get(url)
    # 利用BeautifulSoup將獲取到的文本解析成HTML
    soup = BeautifulSoup(r.text, "lxml")
    # 獲取網(wǎng)頁(yè)中的電影圖片
    content = soup.find("div", class_="article")
    images = content.find_all("img")
    # 獲取電影圖片的名稱和下載地址
    picture_name_list = [image["alt"] for image in images]
    picture_link_list = [image["src"] for image in images]

    # 利用urllib.request..urlretrieve正式下載圖片
    for picture_name, picture_link in zip(picture_name_list, picture_link_list):
        urllib.request.urlretrieve(picture_link, "E://douban/%s.jpg" % picture_name)


def main():

    # 全部10個(gè)網(wǎng)頁(yè)
    start_urls = ["https://movie.douban.com/top250"]
    for i in range(1, 10):
        start_urls.append("https://movie.douban.com/top250?start=%d&filter=" % (25 * i))

    # 統(tǒng)計(jì)該爬蟲的消耗時(shí)間
    print("*" * 50)
    t3 = time.time()

    # 利用并發(fā)下載電影圖片
    executor = ThreadPoolExecutor(max_workers=10)  # 可以自己調(diào)整max_workers,即線程的個(gè)數(shù)
    # submit()的參數(shù)： 第一個(gè)為函數(shù)， 之后為該函數(shù)的傳入?yún)?shù)，允許有多個(gè)
    future_tasks = [executor.submit(download_picture, url) for url in start_urls]
    # 等待所有的線程完成，才進(jìn)入后續(xù)的執(zhí)行
    wait(future_tasks, return_when=ALL_COMPLETED)

    t4 = time.time()
    print("使用多線程，總共耗時(shí)：%s" % (t4 - t3))
    print("*" * 50)

main()

其輸出結(jié)果如下：

**************************************************
使用多線程，總共耗時(shí)：9.361606121063232
**************************************************

再去E盤中的douban文件夾查看，發(fā)現(xiàn)同樣也下載了250張電影圖片。

??通過上述兩個(gè)爬蟲程序的對(duì)比，我們不難發(fā)現(xiàn)，同樣是下載豆瓣Top250電影，10個(gè)網(wǎng)頁(yè)中的圖片，在沒有使用多線程的情況下，總共耗時(shí)約80s，而在使用多線程（10個(gè)線程）的情況下，總共耗時(shí)約9.5秒，效率整整提高了約8倍。這樣的效率提升在爬蟲中無疑是令人興奮的。
??希望讀者在看了本篇博客后，也能嘗試著在自己的爬蟲中使用多線程，說不定會(huì)有意外的驚喜哦~~因?yàn)?，大名鼎鼎的Python爬蟲框架Scrapy，也是使用多線程來提升爬蟲速度的哦！

注意：本人現(xiàn)已開通兩個(gè)微信公眾號(hào)： 因?yàn)镻ython（微信號(hào)為：python_math）以及輕松學(xué)會(huì)Python爬蟲（微信號(hào)為：easy_web_scrape）， 歡迎大家關(guān)注哦~~