文章詳情頁
python 爬蟲 解析效率如何提升?
問題描述
現在采用的是在windows 環境下 采用多線程的方式進行爬取,使用beautifulsoup+lxml進行解析.
N個爬取線程->解析隊列->1個解析線程->存儲隊列->1個存儲線程
整個執行程序的效率卡在計算密集的解析線程中，如果只是增加解析線程數量的話，反而增加線程切換開銷速度變慢。
請問下 有什么辦法可以較為明顯的提升解析效率？
根據兩位大腿的說明 準備采用異步爬取->解析隊列->N個解析進程->存儲隊列->存儲線程
準備開工
問題解答
回答1：其實我覺得, 你在前面N個爬取線程 可以換成協程/線程池實現, 因為你在頻繁創建線程本省一種性能耗費, 用線程池雖然可以減少這部分的損耗, 但是上下文切換還是無法避免, 所以協程這方面, 應該是比較合適的.1個解析線程 換成 進程池,多開幾個進程去計算密集處理, 其余應該可以不用改, 如果還想再搞, 將核心部分用c/c++ 重寫咯, 希望可以幫到你
回答2：我的做法是多進程。多進程的好處是當單機性能不夠的時候，可以隨時切換為分布式爬蟲。
回答3：可以網上找下tornade異步爬蟲吧,我正在用這個
相關文章：
1. macos - mac下docker如何設置代理2. java - 請問在main方法中寫成對象名.屬性（）并賦值，與直接參參數賦值輸錯誤是什么原因？3. MySQL數據庫中文亂碼的原因4. 關docker hub上有些鏡像的tag被標記““This image has vulnerabilities””5. docker不顯示端口映射呢？6. docker - 各位電腦上有多少個容器啊？容器一多，自己都搞混了，咋辦呢？7. android studio總是在processes running好久8. angular.js - 關于$apply()9. docker-compose 為何找不到配置文件？10. dockerfile - 我用docker build的時候出現下邊問題 麻煩幫我看一下
排行榜
網公網安備