本文實例講述了python爬蟲之線程池和進程池功能與用法。分享給大家供大家參考，具體如下：

一、需求

最近準備爬取某電商網站的數據，先不考慮代理、分布式，先說效率問題（當然你要是請求的太快就會被封掉，親測，400個請求過去，服務器直接拒絕連接，心碎），步入正題。一般情況下小白的我們第一個想到的是for循環，這個可是單線程啊。那我們考慮for循環直接開他個5個線程，問題來了，如果有一個url請求還沒有回來，后面的就干等，這么用多線程等于沒用，到處貼創可貼。

二、性能考慮

確定要用多線程或者多進程了，那我們到底是用多線程還是多進程，有些人對多進程和多線程有一定的偏見，就因為python的GIL鎖，下面我們說一下這兩個東西的差別。

三、多線程：

一般情況下我們啟動一個.py文件，就等于啟動了一個進程，一個進程里面默認有一個線程工作，我們使用的多線程的意思就是在一個進程里面啟用多個線程。但問題來了，為什么要使用多線程呢？我知道啟動一個進程的時候需要創建一些內存空間，就相當于一間房子，我們要在這個房子里面干活，你可以想一個人就等于一個線程，你房子里面有10個人的空間跟有20個人的空間，正常情況下是不一樣的，因為我們知道線程和線程之間默認是可以通信的（進程之間默認是不可以通信的，不過可以用技術實現，比如說管道）。可以多線程為了保證計算數據的正確性，所以出現了GIL鎖，保證同一時間只能有一個線程在計算。GIL鎖你可以基本理解為，比如在這個房間里要算一筆賬，在同一時間內只能有一個人在算這筆賬，想一個問題，如果這筆賬5個人就能算清楚，我需要10平米的房間就行，那為什么要請10個人，花20平米呢？所以并不是開的線程越多越好。但是，但是，但是，注意大家不用動腦筋（CPU計算）算這筆賬的時候可以去干別的事（比如說5個人分工，各算一部分），比如說各自把自己算完后的結果記錄在賬本上以便后面對賬，這個的話每個人都有自己的賬本，所以多線程適合IO操作，記住了就算是適合IO操作，也不代表說人越多越好，所以這個量還是得根據實際情況而定。

線程池示例：

import requestsfrom concurrent.futures import ThreadPoolExecutorurls_list = [  'https://www.baidu.com',  'http://www.gaosiedu.com',  'https://www.jd.com',  'https://www.taobao.com',  'https://news.baidu.com',]pool = ThreadPoolExecutor(3)def request(url):  response = requests.get(url)  return responsedef read_data(future,*args,**kwargs):  response = future.result()  response.encoding = 'utf-8'  print(response.status_code,response.url)def main():  for url in urls_list:    done = pool.submit(request,url)    done.add_done_callback(read_data)if __name__ == '__main__':  main()  pool.shutdown(wait=True)