python爬虫02-提升爬取效率、多线程，多线程传参，多进程，线程及线程池概念，协程，多任务异步协程，异步请求aiohttp模块，视频站工作原理

1、提升爬取效率

使用多线程，多进程，携程，异步

2、多线程

进程是资源单位，每个进程，都会有一个默认的主线程
线程是执行单位
执行多线程需要导包：

from threading import Thread

1、多线程第一种写法

from threading import Thread
def func():for index in range(1, 50):str2 = 'func' + str(index)print(str2)if __name__ == '__main__':  # 是否是入口程序thread = Thread(target=func)  # 创建一个多线程对象，并指定要执行的任务thread.start()  # 开启多线程，但是线程什么时候执行有cpu来决定for item in range(100, 150):str1 = 'main' + str(item)print(str1)

main序号和func序号交叉打印

2、多线程第二种写法
创建自定义线程类

from threading import Thread
class MyThread(Thread):#重写父类Thread类的run方法def run(self):for index in range(1,50):print('子线程',index)if __name__=='__main__':thread=MyThread()thread.start()#开启线程for item in range(150,200):print('主线程',item)

3、多线程传参

传入的实参必须是一个元祖，如果只有一个参数，注意要在第一个参数后面加逗号

from threading import Threaddef func(name):for index in range(1,50):print(name,index)if __name__=='__main__':thread1=Thread(target=func,args=('张三丰',))#传入的args参数必须是一个元祖thread2=Thread(target=func,args=('王力宏',))thread1.start()thread2.start()

4、多进程（比较耗资源）

要导入multiporocessing包的process模块

from multiprocessing import Processdef func():for index in range(1,50):print('子进程',index)if __name__=='__main__':process=Process(target=func)process.start()for item in range(150,200):print('主进程', item)

5、线程池和进程池的概念

反复使用的一组线程，构成线程池，
一次性开辟一些线程，用户直接给线程池提交任务，线程任务的调度交给线程池来完成
需要导入线程池

from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutor

#导入线程池和进程池模块
from concurrent.futures import ThreadPoolExecutor,ProcessPoolExecutordef func(name):for index in range(1,50):print(name,index)if __name__=='__main__':#创建线程池,创建一个10个线程组成的线程池，并以threadpool作为线程池名with ThreadPoolExecutor(10) as threadpool:for item in range(50):threadpool.submit(func,name=f'线程{item}')#等待线程池中的任务全部执行完毕，才能继续执行（守护）print('====')

5、协程

在sleep或input（），request.get（）等状态下，线程处于阻塞状态下
一般来书，当程序处于IO操作的时候，线程都会处于阻塞状态

携程：当程序遇见了IO操作的时候，可以选择性的切换到其他任务上，从而避免耗时操作卡死程序。

在微观上是一个任务一个任务的进行切换，切换条件一般就是io操作
在宏观上，我们看到的其实是多个任务一起在执行
多任务是异步操作
以上说的都是在单线程的情况下。

6、多任务异步协程

要使用关键字async，和js的异步操作类似

#导入异步操作模块
import asyncio
#携程就是异步
async def func():print('你好，我是艾奥雅')if __name__=='__main__':g=func() #此时的函数是异步协程函数，此时函数得到的是一个协程对象#print(g)#<coroutine object func at 0x002431A8>asyncio.run(g)#你好，我是艾奥雅

案例2

# 导入异步操作模块
import asyncio
import time# 携程就是异步
async def func1():print('你好，我是艾奥雅')#time.sleep(3)#当程序出现了同步操作的时候，异步就中断了await asyncio.sleep(3)#s使用异步休眠，可以避免同步操作，也就是这三秒钟可以去做别的任务print('你好，我是艾奥雅')async def func2():print('你好，我是王建国')await asyncio.sleep(2)print('你好，我是王建国')async def func3():print('你好，我是李雪琴')await asyncio.sleep(4)print('你好，我是李雪琴')async def func4():print('你好，我是呼兰')await asyncio.sleep(1)print('你好，我是呼兰')async def func5():print('你好，我是徐志胜')await asyncio.sleep(2)print('你好，我是徐志胜')if __name__ == '__main__':f1 = func1()  # 返回一个协程对象f2 = func2()f3 = func3()f4 = func4()f5 = func5()task = [f1, f2, f3, f4, f5]  # 把异步任务放在一个列表中t1=time.time()# 一次性启动多个任务（协程）asyncio.run(asyncio.wait(task))  # 有async肯定要有waitt2=time.time()#print(t2-t1)#12.010096311569214,等待耗时12秒，执行时间0.01秒print(t2-t1)#4.007等待最大值为4秒，执行时间为0.007秒

案例3

# 导入异步操作模块
import asyncio
import time# 携程就是异步
async def func1():print('你好，我是艾奥雅')# time.sleep(3)#当程序出现了同步操作的时候，异步就中断了await asyncio.sleep(3)  # s使用异步休眠，可以避免同步操作，也就是这三秒钟可以去做别的任务print('你好，我是艾奥雅')async def func2():print('你好，我是王建国')await asyncio.sleep(2)print('你好，我是王建国')async def func3():print('你好，我是李雪琴')await asyncio.sleep(4)print('你好，我是李雪琴')async def func4():print('你好，我是呼兰')await asyncio.sleep(1)print('你好，我是呼兰')async def func5():print('你好，我是徐志胜')await asyncio.sleep(2)print('你好，我是徐志胜')async def main():# 第一种写法# f1 = func1()  # 返回一个协程对象# await f1  # 一般await挂起操作放在协程对象前面# f2 = func2()# await f2# f3 = func3()# await f3# f4 = func4()# await f4# f5 = func5()# await f5#第二种写法tasks=[func1(),func2(),func3(),func4(),func5()]await asyncio.wait(tasks)if __name__ == '__main__':t1 = time.time()asyncio.run(main())t2 = time.time()print(t2 - t1)  # 4.0027008056640625秒

7、异步http请求aiohttp模块

使用异步的requests，需要安装aiohttp,

pip install aiohttp

umei.cc唯美壁纸抓取案例

#导入异步http模块
import aiohttp
import asynciourls = ['http://kr.shanghai-jiuxin.com/file/2020/1031/e9d17d27dfd693d88b232899538144e8.jpg','http://kr.shanghai-jiuxin.com/file/2020/0807/98ec5c7f5d7d0b2d750dd9b5ea834cfc.jpg','http://kr.shanghai-jiuxin.com/file/2020/1031/26b7e178e987be6d914bf8d1af120890.jpg'
]async def aiodownload(url):name = url.rsplit('/', 1)[1]#从右边切一次，第一个元素print(name)# 发送请求，这里需要使用aiohttp.clientSession()来替代以前的同步requests（）async with aiohttp.ClientSession() as session:async with session.get(url) as resp:# 请求回来，创建文件with open('./images/' + name, mode='wb') as fp:# 得到图片内容并保存到文件，读取内容是异步的，要加await挂起fp.write(await resp.content.read())  # resp.content.read() 等价于resp.contentprint(name, '文件已写入')async def main():tasks = []for url in urls:tasks.append(aiodownload(url))await asyncio.wait(tasks)if __name__ == '__main__':asyncio.run(main())

结果，下载了三张图片

8、视频网站工作原理

对用户上传的视频
转码，转成低码
切片，切成多个小文件
需要一个文件记录，1、视频文件播放顺序2，视频存放的路径
顺序文件做成m3u文件

要抓取视频就必须

1、找到m3u8文件
2、通过m3u8下载到ts文件
3、通过各种手段，把ts文件合并为一个MP4文件

9、抓取91看剧简单版

先拿到视频页面的源代码
从源代码中提取m3u8的url
下载m3u8
读取m3u8文件，下载视频
合并视频

python爬虫02-提升爬取效率、多线程，多线程传参，多进程，线程及线程池概念，协程，多任务异步协程，异步请求aiohttp模块，视频站工作原理相关推荐

Python爬虫学习笔记 -- 爬取糗事百科
Python爬虫学习笔记 -- 爬取糗事百科代码存放地址: https://github.com/xyls2011/python/tree/master/qiushibaike 爬取网址:https ...
【Python爬虫】从零开始爬取Sci-Hub上的论文(串行爬取)
[Python爬虫]从零开始爬取Sci-Hub上的论文(串行爬取) 维护日志项目简介步骤与实践 STEP1 获取目标内容的列表 STEP2 利用开发者工具进行网页调研 2.1 提取文章链接和分页链 ...
什么是定向爬取技术，Python爬虫的定向爬取技术需解决哪些问题？
一.什么是爬虫的定向爬取技术通俗来说,爬虫的定向爬取技术就是根据设置的主题,对要爬取的网址或者网页中的内容进行筛选.比如我们可以使用正则表达式进行筛选等,筛选之后,再爬取对应的网址中的内容,并可以根 ...
[Python 爬虫] 使用 Scrapy 爬取新浪微博用户信息（四） —— 应对反爬技术（选取 User-Agent、添加 IP代理池以及Cookies池）
上一篇:[Python 爬虫] 使用 Scrapy 爬取新浪微博用户信息(三) -- 数据的持久化--使用MongoDB存储爬取的数据最近项目有些忙,很多需求紧急上线,所以一直没能完善< 使用 ...
python爬虫 requests+bs4爬取猫眼电影傻瓜版教程
python爬虫 requests+bs4爬取猫眼电影傻瓜版教程前言一丶整体思路二丶遇到的问题三丶分析URL 四丶解析页面五丶写入文件六丶完整代码七丶最后前言大家好我是墨绿头顶总 ...
python 爬虫实例电影-Python爬虫教程-17-ajax爬取实例（豆瓣电影）
Python爬虫教程-17-ajax爬取实例(豆瓣电影) ajax: 简单的说,就是一段js代码,通过这段代码,可以让页面发送异步的请求,或者向服务器发送一个东西,即和服务器进行交互对于ajax: ...
Python爬虫系列之爬取微信公众号新闻数据
Python爬虫系列之爬取微信公众号新闻数据小程序爬虫接单.app爬虫接单.网页爬虫接单.接口定制.网站开发.小程序开发 > 点击这里联系我们 < 微信请扫描下方二维码代码仅供学习交流 ...
携程ajax,Python爬虫实战之爬取携程评论
一.分析数据源这里的数据源是指html网页?还是Aajx异步.对于爬虫初学者来说,可能不知道怎么判断,这里辰哥也手把手过一遍. 提示:以下操作均不需要登录(当然登录也可以) 咱们先在浏览器里面搜索携 ...
Python爬虫系列之爬取某奢侈品小程序店铺商品数据
Python爬虫系列之爬取某奢侈品小程序店铺商品数据小程序爬虫接单.app爬虫接单.网页爬虫接单.接口定制.网站开发.小程序开发> 点击这里联系我们 < 微信请扫描下方二维码代码仅供学 ...