看几段爬虫代码，详解Python多线程、多进程、协程_Python语言

编程派”，选择设为“”

优质文章，第一时间送达！

一、前言

很多时候我们写了一个爬虫，实现了需求后会发现了很多值得改进的地方，其中很重要的一点就是爬取速度。本文就通过代码讲解如何使用多进程、多线程、协程来提升爬取速度。注意：我们不深入介绍理论和原理，一切都在代码中。

二、同步

首先我们写一个简化的爬虫，对各个功能细分，有意识进行函数式编程。下面代码的目的是访问300次百度页面并返回状态码，其中parse_1函数可以设定循环次数，每次循环将当前循环数（从0开始）和url传入parse_2函数。

import requestsdef parse_1:url = '时必然会引起等待

示例代码就是典型的串行逻辑，parse_1将url和循环数传递给parse_2，parse_2请求并返回状态码后parse_1继续迭代一次，重复之前步骤

三、多线程

因为CPU在执行程序时每个时间刻度上只会存在一个线程，因此多线程实际上提高了进程的使用率从而提高了CPU的使用率

实现多线程的库有很多，这里用concurrent.futures中的ThreadPoolExecutor来演示。介绍ThreadPoolExecutor库是因为它相比其他库代码更简洁

为了方便说明问题，下面代码中如果是新增加的部分，代码行前会加上 > 符号便于观察说明问题，实际运行需要去掉

import requests> from concurrent.futures import ThreadPoolExecutordef parse_1:url = '跟同步相对的就是异步。异步就是彼此独立,在等待某事件的过程中继续做自己的事，不需要等待这一事件完成后再工作。线程就是实现异步的一个方式，也就是说多线程是异步处理异步就意味着不知道处理结果，有时候我们需要了解处理结果，就可以采用回调

import requestsfrom concurrent.futures import ThreadPoolExecutor# 增加回调函数> def callback(future):> print(future.result)def parse_1:url = '密集型的任务依旧很合适。

四、多进程

多进程用两个方法实现：ProcessPoolExecutor和multiprocessing

1. ProcessPoolExecutor和实现多线程的ThreadPoolExecutor类似

import requests> from concurrent.futures import ProcessPoolExecutordef parse_1:url = '可以看到改动了两次类名，代码依旧很简洁，同理也可以添加回调函数

import requestsfrom concurrent.futures import ProcessPoolExecutor> def callback(future):> print(future.result)def parse_1:url = '

2. multiprocessing直接看代码，一切都在注释中。

import requests> from multiprocessing import Pooldef parse_1:url = '阻塞会出现线程或者进程的浪费，因此有一个更好的方法……

五、异步非阻塞

协程+回调配合动态协作就可以达到异步非阻塞的目的，本质只用了一个线程，所以很大程度利用了资源

实现异步非阻塞经典是利用asyncio库+yield，为了方便利用逐渐出现了更上层的封装 aio是一个非常方便实现协程的库

import requests> from gevent import monkey# 猴子补丁是协作运行的灵魂> monkey.patch_all> import geventdef parse_1:url = '类，下面代码改动较大