进程池，线程池与跨进程数据共享爬取某岸网图片

看教程的时候看到一个，生产者跟消费者的概念比较有意思，但是给的代码有问题无法正常运行，于是我就捣鼓了一下。
基本概念就是：
生产者：一个进程获取网页没页的图片连接（主进程）
消费者: 一个进程下载图片，不同的是每个页面有20张图片，所以在进程中又开了二十线程（子进程）
嗯，概念就是这样接下来看代码

# -*- coding: utf-8 -*-
# @Time :2023/9/30 22:46
# [url=home.php?mod=space&uid=686208]@AuThor[/url]  : 
# @FileName :进程池.线程池配合使用与进程共用变量的使用.py
# [url=home.php?mod=space&uid=2097534]@IED[/url] :PyCharm
 
"""
 
"""
import multiprocessing
import requests
import os
from concurrent.futures import ThreadPoolExecutor
from lxml import etree
 
 
path = r'D:\img'
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) '
                  'AppleWebKit/537.36 (KHTML, like Gecko) '
                  'Chrome/117.0.0.0 Safari/537.36'
}
 
# 获取图片地址
def get_url(url, que):
    resp = requests.get(url, headers=headers)
    resp.encoding = resp.apparent_encoding
    date = resp.text
    tree = etree.HTML(date)
    list_url = tree.xpath('//ul[@class="clearfix"]/li/a')
    for i in list_url:
        url_img = i.xpath('./img/@src')
        que.put('https://pic.netbian.com' + str(*url_img))  # put写入进程变量队列中
    resp.close()
 
 
#  下载并保存图片
def download_ove(url, name):
    try:
        resp = requests.get(url, headers=headers)
        path_img = os.path.join(path, f'{name.value}.jpg')
        with open(path_img, 'wb') as f:
            f.write(resp.content)
        print(f'保存成功{name.value}.jpg')
        name.value += 1  # 数值型进程变量自增
 
    except Exception as ex:
        print('下载出错', ex)
 
 
#  获取进程队列中的url并启用线程池下载保存图片
def download_img(que, name):
    # 创建线程池,指定20个线程处理数据
    with ThreadPoolExecutor(20) as t:
        while True:
            try:
                s = que.get(timeout=3)  # 获取进程队列中的数据，等待3秒若是还没获取到数据抛出异常
                t.submit(download_ove, s, name)  # 添加进线程池
                # t.submit(download_ove, s).add_done_callback(err_call_back)  #  获取线程池异常
            except Exception as ec:
                print(ec)
                break
 
 
#  接收进程池与线程池异常的回调函数
def err_call_back(err):
    print(f'出错啦~ error：{str(err)}')
 
 
if __name__ == '__main__':
    if not os.path.exists(path):
        os.mkdir(path)
    que = multiprocessing.Manager().Queue()  # 创建一个进程之间共享的队列变量
    name = multiprocessing.Manager().Value('i', 0)  # 创建一个进程之间共享的数值型变量，'i'表示整型数字，0表示从0开始
    for i in range(1, 4):
        if i != 1:
            url = f'https://pic.netbian.com/4kdongman/index_{i}.html'
        else:
            url = 'https://pic.netbian.com/4kdongman/'
        get_url(url, que)
        #  创建进程池,并将函数添加到进程池内，指定最多开辟1个进程处理数据（开多了怕把网址玩崩）
        with multiprocessing.Pool(1) as pool:
            pool.apply(download_img, args=(que, name))  # 将函数以同步的方式添加进进程池
 
            # apply_async异步方式无法使用不知道为啥,不报异常也不运行download_img函数
            # pool.apply_async(download_img, args=(que, name), error_callback=err_call_back)
    pool.close()  # 结束进程池，不在往内添加数据
    pool.join()  # 等待进程池运行结束
    print('结束')

本代码仅作为练习所用，大家别把人家网站搞崩了。

进程池，线程池与跨进程数据共享爬取某岸网图片

猜你喜欢