摘要：python是支持多線程的，主要是通過thread和threading這兩個模塊來實現(xiàn)的。thread模塊是比較底層的模塊，threading模塊是對thread做了一些包裝的，可以更加方便的使用。雖然python的多線程受GIL限制，并不是真正的多線程，但是對于I/O密集型計算還是能明顯提高效率，比如說爬蟲。下面用一個實例來驗證多線程的效率。代碼只涉及頁面獲取，并沒有解析出來。# -*

python是支持多線程的，主要是通過thread和threading這兩個模塊來實現(xiàn)的。thread模塊是比較底層的模塊，threading模塊是對thread做了一些包裝的，可以更加方便的使用。

雖然python的多線程受GIL限制，并不是真正的多線程，但是對于I/O密集型計算還是能明顯提高效率，比如說爬蟲。
下面用一個實例來驗證多線程的效率。代碼只涉及頁面獲取，并沒有解析出來。

# -*-coding:utf-8 -*-
import urllib2, time
import threading
 
class MyThread(threading.Thread):
 def __init__(self, func, args):
  threading.Thread.__init__(self)
  self.args = args
  self.func = func
 
 def run(self):
  apply(self.func, self.args)
 
def open_url(url):
 request = urllib2.Request(url)
 html = urllib2.urlopen(request).read()
 print len(html)
 return html

if __name__ == '__main__':
 # 構(gòu)造url列表
 urlList = []
 for p in range(1, 10):
  urlList.append('http://s.wanfangdata.com.cn/Paper.aspx?q=%E5%8C%BB%E5%AD%A6&p=' + str(p))

# 一般方式
n_start = time.time()
for each in urlList:
 open_url(each)
n_end = time.time()
print 'the normal way take %s s' % (n_end-n_start)

# 多線程
 t_start = time.time()
 threadList = [MyThread(open_url, (url,)) for url in urlList]
 for t in threadList:
  t.setDaemon(True)
  t.start()
 for i in threadList:
  i.join()
 t_end = time.time()
 print 'the thread way take %s s' % (t_end-t_start)

分別用兩種方式獲取10個訪問速度比較慢的網(wǎng)頁，一般方式耗時50s，多線程耗時10s。
多線程代碼解讀:

# 創(chuàng)建線程類，繼承Thread類
class MyThread(threading.Thread):
 def __init__(self, func, args):
  threading.Thread.__init__(self) # 調(diào)用父類的構(gòu)造函數(shù)
  self.args = args
  self.func = func
 
 def run(self): # 線程活動方法
  apply(self.func, self.args)

threadList = [MyThread(open_url, (url,)) for url in urlList] # 調(diào)用線程類創(chuàng)建新線程，返回線程列表
 for t in threadList:
  t.setDaemon(True) # 設(shè)置守護(hù)線程，父線程會等待子線程執(zhí)行完后再退出
  t.start() # 線程開啟
 for i in threadList:
  i.join() # 等待線程終止，等子線程執(zhí)行完后再執(zhí)行父線程

更多關(guān)于Python 爬蟲多線程詳解及實例代碼請關(guān)注PHP中文網(wǎng)（ipnx.cn）其他文章！