python 多线程 XKCD 下载程序

在第 11 章，你编写了一个程序，从 XKCD 网站下载所有的 XKCD 漫画。这是一个单线程程序：它一次下载一幅漫画。程序运行的大部分时间，都用于建立网络连接来开始下载，以及将下载的图像写入硬盘。如果你有宽带因特网连接，单线程程序并没有充分利用可用的带宽。多线程程序中有一些线程在下载漫画，同时另一些线程在建立连接，或将漫画图像文件写入硬盘。它更有效地使用 Internet 连接，更迅速地下载这些漫画。打开一个新的文件编辑器窗口，并保存为 multidownloadXkcd.py。你将修改这个程序，添加多线程。经过全面修改的源代码可从 http://nostarch.com/automatestuff/下载。

修改程序以使用函数
该程序大部分是来自第 11 章的相同下载代码，所以我会跳过 Requests 和BeautifulSoup 代码的解释。需要完成的主要变更是导入 threading 模块，并定义downloadXkcd()函数，该函数接受开始和结束的漫画编号作为参数。例如，调用 downloadXkcd(140， 280)将循环执行下载代码，下载漫画 http://xkcd.com/140、 http://xkcd.com/141、 http://xkcd.com/142 等，直到 http://xkcd.com/279。你创建的每个线程都会调用 downloadXkcd()，并传入不同范围的漫画进行下载。将下面的代码添加到 multidownloadXkcd.py 程序中：

#! python3
# multidownloadXkcd.py - Downloads XKCD comics using multiple threads.import requests, os, bs4, threading
os.makedirs('xkcd', exist_ok=True)       # store comics in ./xkcddef downloadXkcd(startComic, endComic):for urlNumber in range(startComic, encComic):# Download the page.print('Downloading page http://xkcd.com/%s...' % (urlNumber))res = requests.get('http://xkcd.com/%s' % (urlNumber))res.raise_for_status()soup = bs4.BeautifulSoup(res.text)# Find the URL of the comic image.comicElem = soup.select('#comic img')if comicElem == []:print('Could not find comic image.')else:comicUrl = comicElem[0].get('src')# Download the image.print('Downloading image %s...' % (comicUrl))res = requests.get(comicUrl)res.raise_for_status()# Save the image to ./xkcdimageFile = open(os.path.join('xkcd', os.path.basename(comicUrl)), 'wb')for chunk in res.iter_content(100000):imageFile.write(chunk)imageFile.close()# TODO: Create and start the Thread objects.
# TODO: Wait for all threads to end.

导入需要的模块后，创建了一个目录来保存漫画，并开始定义 downloadxkcd()。循环遍历指定范围中的所有编号，并下载每个页面。用 Beautiful Soup 查看每一页的 HTML，找到漫画图像。如果页面上没有的漫画图像，就打印一条消息。否则，取得图片的 URL，并下载图像。最后，将图像保存到我们创建的目录中。

创建并启动线程
既然已经定义 downloadXkcd()，我们将创建多个线程，每个线程调用downloadXkcd()，从 XKCD 网站下载不同范围的漫画。将下面的代码添加到multidownloadXkcd.py 中，放在 downloadXkcd()函数定义之后：

#! python3
# multidownloadXkcd.py - Downloads XKCD comics using multiple threads.--snip--# Create and start the Thread objects.
downloadThreads = []           # a list of all the Thread objects
for i in range(0, 1400, 100)    # loops 14 times, creates 14 threadsdownloadThread = threading.Thread(target=downloadXkcd, args=(i, i + 99))downloadThreads.append(downloadThread)downloadThread.start()

首先，我们创建了一个空列表 downloadThreads，该列表帮助我们追踪创建的多个Thread 对象。然后开始 for 循环。在每次循环中，我们利用 threading.Thread()创建一个Thread 对象，将它追加到列表中，并调用 start()，开始在新线程中运行 downloadXkcd()。因为 for 循环将变量 i 设置为从 0 到 1400，步长为 100，所以 i 在第一次迭代时为 0，第二次迭代时为 100，第三次为 200，以此类推。因为我们将 args=(i, i+99)传递给threading.Thread()，所以在第一次迭代时，传递给 downloadXkcd()的两个参数将是 0和 99，第二次迭代是 100 和 199，第三次是 200 和 299，以次类推。由于调用了 Thread 对象的 start()方法，新的线程开始运行 downloadXkcd()中的代码，主线程将继续 for 循环的下一次迭代，创造下一个线程。

等待所有线程结束
主线程正常执行，同时我们创建的其他线程下载漫画。但是假定主线程中有一些代码，你希望所有下载线程完成后再执行。调用 Thread 对象 join()方法将阻塞，直到该线程完成。利用一个 for 循环，遍历 downloadThreads 列表中的所有 Thread对象，主线程可以调用其他每个线程的 join()方法。将以下代码添加到程序的末尾：

#! python3
# multidownloadXkcd.py - Downloads XKCD comics using multiple threads.--snip--# Wait for all threads to end.
for downloadThread in downloadThreads:downloadThread.join()
print('Done.')

所有的 join()调用返回后， 'Done.'字符串才会打印，如果一个 Thread 对象已经完成，那么调用它的 join()方法时，该方法就会立即返回。如果想扩展这个程序，添加一些代码，在所有漫画下载后运行，就可以用新的代码替换 print('Done.')。

完整代码

#! python3
# multidownloadXkcd.py - Downloads XKCD comics using multiple threads.import requests, os, bs4, threading
os.makedirs('xkcd', exist_ok=True)       # store comics in ./xkcddef downloadXkcd(startComic, endComic):for urlNumber in range(startComic, encComic):# Download the page.print('Downloading page http://xkcd.com/%s...' % (urlNumber))res = requests.get('http://xkcd.com/%s' % (urlNumber))res.raise_for_status()soup = bs4.BeautifulSoup(res.text)# Find the URL of the comic image.comicElem = soup.select('#comic img')if comicElem == []:print('Could not find comic image.')else:comicUrl = comicElem[0].get('src')# Download the image.print('Downloading image %s...' % (comicUrl))res = requests.get(comicUrl)res.raise_for_status()# Save the image to ./xkcdimageFile = open(os.path.join('xkcd', os.path.basename(comicUrl)), 'wb')for chunk in res.iter_content(100000):imageFile.write(chunk)imageFile.close()# Create and start the Thread objects.
downloadThreads = []           # a list of all the Thread objects
for i in range(0, 1400, 100)    # loops 14 times, creates 14 threadsdownloadThread = threading.Thread(target=downloadXkcd, args=(i, i + 99))downloadThreads.append(downloadThread)downloadThread.start()# Wait for all threads to end.
for downloadThread in downloadThreads:downloadThread.join()
print('Done.')

python 多线程 XKCD 下载程序相关推荐

15.7 项目：多线程 XKCD 下载程序
在第 11 章,你编写了一个程序,从XKCD 网站下载所有的 XKCD 漫画.这是一个单线程程序:它一次下载一幅漫画.程序运行的大部分时间,都用于建立网络连接来开始下载,以及将下载的图像写入硬盘.如 ...
python多线程端口扫描程序
下面的程序给出了对给定的ip主机进行多线程扫描的python代码 #!/usr/bin/env python #encoding: utf-8import socket, sys, thread, t ...
python分割压缩_【python 多线程】下载文件分批压缩
大体做的功能为: 1.调用api接口,获取json数据:2.json 数据转换为一个csv文件:3.csv文件里的每行数据转换成单个xml文件:4.每5个xml文件进行打包用到的模块为: csv,x ...
python 多线程自动刷票程序
#!/usr/bin/python # -*- coding: utf-8 -*- #coding=utf-8 import urllib2 import urllib import re impor ...
python实战小项目，多线程百度云盘下载，突破限速，超越迅雷超高速下载
原帖:向日葵智能计划做这样的多线程下载是因为百度云盘限速厉害,到了恶心的地步,我想试试用多线程下载百度云盘的资源是否能够实现加速. 百度云盘限速分析 1. 关于限速,我揣测有两种情况: 限制下载资源 ...
python爬虫程序下载_Python爬虫之多线程下载程序类电子书
近段时间,笔者发现一个神奇的网站:http://www.allitebooks.com/ ,该网站提供了大量免费的编程方面的电子书,是技术爱好者们的福音.其页面如下: ![](https://imag ...
2021-03-10 Python多线程爬虫快速批量下载图片
Python多线程爬虫快速批量下载图片 1.完成这个需要导入的模块 urllib,random,queue(队列),threading,time,os,json 第三方模块的安装键盘win+R,输入 ...
Python多线程下载网络URL图片的方法
Python多线程下载网络URL图片的方法采用多线程的方法,通过URL地址,下载资源图片 GitHub地址:https://github.com/PanJinquan/python-learning ...
python写机器人程序_用Python写的一个多线程机器人聊天程序
本人是从事php开发的, 近来想通过php实现即时通讯(兼容windows).后来发现实现起来特别麻烦, 就想到python.听说这家伙在什么地方都能发挥作用.所以想用python来做通讯模块...所 ...

python 多线程 XKCD 下载程序

python 多线程 XKCD 下载程序相关推荐

最新文章

热门文章