Python爬虫之多线程下载豆瓣Top250电影图片

爬虫项目介绍

  本次爬虫项目将爬取豆瓣Top250电影的图片，其网址为：https://movie.douban.com/top250， 具体页面如下图所示：

豆瓣Top250电影

  本次爬虫项目将分别不使用多线程和使用多线程来完成，通过两者的对比，显示出多线程在爬虫项目中的巨大优势。本文所使用的多线程用到了concurrent.futures模块，该模块是Python中最广为使用的并发库，它可以非常方便地将任务并行化。在concurrent.futures模块中，共有两种并发模块，分别如下：

多线程模式：ThreadPoolExecutor，适合 IO密集型任务；

多进程模式：ProcessPoolExecutor，适合计算密集型任务。

具体的关于该模块的介绍可以参考其官方网址：https://docs.python.org/3/library/concurrent.futures.html 。

  本次爬虫项目将会用到concurrent.futures模块中的ThreadPoolExecutor类，多线程下载豆瓣Top250电影图片。下面将会给出本次爬虫项目分别不使用多线程和使用多线程的对比，以此来展示多线程在爬虫中的巨大优势。

不使用多线程

  首先，我们不使用多线程来下载豆瓣Top250电影图片，其完整的Python代码如下：

其输出结果如下：

去E盘中的douban文件夹查看，如下图：

下载的电影图片

  我们可以看到，在不使用多线程的情况下，这个爬虫总共耗时约80s，完成了豆瓣Top250电影图片的下载。

使用多线程

  接下来，我们使用多线程来下载豆瓣Top250电影图片，其完整的Python代码如下：

其输出结果如下：

再去E盘中的douban文件夹查看，发现同样也下载了250张电影图片。

总结

  通过上述两个爬虫程序的对比，我们不难发现，同样是下载豆瓣Top250电影，10个网页中的图片，在没有使用多线程的情况下，总共耗时约80s，而在使用多线程（10个线程）的情况下，总共耗时约9.5秒，效率整整提高了约8倍。这样的效率提升在爬虫中无疑是令人兴奋的。

  希望读者在看了本篇文章后，也能尝试着在自己的爬虫中使用多线程，说不定会有意外的惊喜哦~~因为，大名鼎鼎的Python爬虫框架Scrapy，也是使用多线程来提升爬虫速度的哦！