python线程学习 python 线程教程

大家好，今天小编关注到一个比较有意思的话题，就是关于python线程学习的问题，于是小编就整理了2个相关介绍Python线程学习的解答，让我们一起看看吧。

1. python线程与进程的区别？
2. python爬虫怎么做？

python线程与进程的区别？

1、运行方式不同

进程不能单独执行，它只是***的集合。

进程要操作CPU，必须要先创建一个线程。

所有在同一个进程里的线程，是同享同一块进程所占的内存空间。

2、关系

进程中第一个线程是主线程，主线程可以创建其他线程;其他线程也可以创建线程;线程之间是平等的。

进程有父进程和子进程，独立的内存空间，唯一的标识符：pid。

3、速度

启动线程比启动进程快。

运行线程和运行进程速度上是一样的，没有可比性。

python爬虫怎么做？

谢邀~~关注极迭代，和小伙伴一起看↗↗↗python的知名用途之一就是做爬虫，爬取各类网站的数据，以便进行进一步分析根据爬取的难易不同，(网站封堵的力度大小)，会有多种的爬取方式。

简单网站，直接使用页面请求

python将***请求发送给服务器，服务器返回网页内容此时，就可以用python多线程的方式进行数据的抽取和分析、存储了

从获取的html页面中，或者api获取的json中，得到自己所需要的数据，然后存储到指定的数据库

用到的库主要为 ：

• ***访问： requests模块、或urllib3库
  

• 多线程：Thread、threadpool线程池，或者concurrent包里的ThreadPoolExecutor、或urllib3自带的PoolManager()
  

• 文档处理： re 正则表达式、json模块
  

• 数据存储：MySQL-python存储或者pymongo mongodb存储等等
  

进一步的，如果爬取量大，可以进行些简单的封装，让各个功能各司其职

比较正式的爬虫系统，可以用pythonScrapy

Scrapy已经提供了一整套的机制，来减少自己搭建爬虫系统的难度。

被封堵的网站

网站封堵爬虫会有很多的不同的技术，并且这些技术都是在不断调整和完善的，网站有时也会修改界面或者接口，我们会经常会发现今天能爬取的网页，明天就不行了，这就需要经常检查和修复。

• 简单的js封堵，可以通过代码分析，模拟逻辑来绕过
  

• 复杂的验证码就需要用些图像识别库来进行识别了，如pytesser，然后填充和认证通过
  

• 如果需要登录的网站，还可能需要用到selenium工具进行模拟输入的方式登录
  

最后，我们就能够下载到所需要的文章、图片、***、视频、数据等等

❤❤❤❤❤　请任性点赞，谢谢关注　　--　我是 极迭代 ，我为自己带盐 :)

　　Python 爬虫架构主要由五个部分组成，分别是调度器、URL管理器、网页下载器、网页解析器、应用程序(爬取的有价值数据)。

　　

　　调度器：相当于一台电脑的CPU，主要负责调度URL管理器、下载器、解析器之间的协调工作。

　　URL管理器：包括待爬取的URL地址和已爬取的URL地址，防止重复抓取URL和循环抓取URL，实现URL管理器主要用三种方式，通过内存、数据库、缓存数据库来实现。

　　网页下载器：通过传入一个URL地址来下载网页，将网页转换成一个字符串，网页下载器有urllib2(Python官方基础模块)包括需要登录、代理、和cookie，requests(第三方包)

　　网页解析器：将一个网页字符串进行解析，可以按照我们的要求来[_a***_]出我们有用的信息，也可以根据DOM树的解析方式来解析。网页解析器有正则表达式(直观，将网页转成字符串通过模糊匹配的方式来提取有价值的信息，当文档比较复杂的时候，该方法提取数据的时候就会非常的困难)、html.parser(Python自带的)、beautifulsoup(第三方插件，可以使用Python自带的html.parser进行解析，也可以使用lxml进行解析，相对于其他几种来说要强大一些)、lxml(第三方插件，可以解析 xml 和 HTML)，html.parser 和 beautifulsoup 以及 lxml 都是以 DOM 树的方式进行解析的。

　　应用程序：就是从网页中提取的有用数据组成的一个应用。

　　用一个图来解释一下调度器是如何协调工作的:

　　

到此，以上就是小编对于python线程学习的问题就介绍到这了，希望介绍关于python线程学习的2点解答对大家有用。