Python多线程爬虫怎么写_threading实战说明【教程】_技术教程

Python多线程爬虫应采用Queue+threading.Thread的生产者-消费者模型，合理控制并发数、加锁保护共享资源、添加延时与异常处理，避免被封；I/O密集型任务适用，CPU密集型则选multiprocessing。

Python多线程爬虫不是靠开一堆线程硬怼，而是用 threading 控制并发节奏，避免被封、减少等待、提升整体抓取效率。关键在合理复用线程、加锁保护共享资源、控制请求频率。

用 Queue + threading.Thread 做任务分发

手动管理线程数量比直接 start() 一堆线程更稳妥。推荐搭配 queue.Queue 实现生产者-消费者模型：

主线程把待爬 URL 放进队列（生产者）
多个工作线程从队列取 URL 并请求（消费者），处理完自动取下一个
队列自带线程安全，不用额外加锁

示例片段：

import threading
import queue
import requests
url_queue = queue.Queue()
results = []
def worker():
while True:
url = url_queue.get()
if url is None:  # 退出信号
break
try:
resp = requests.get(url, timeout=5)
results.append((url, resp.status_code))
except Exception as e:
results.append((url, f"error: {e}"))
url_queue.task_done()  # 标记完成
启动 4 个线程
threads = []
for _ in range(4):
t = threading.Thread(target=worker)
t.start()
threads.append(t)
添加任务
for u in ["https://www./link/5f69e19efaba426d62faeab93c308f5c", "https://www./link/ef246753a70fce661e16668898810624"]:
url_queue.put(u)
url_queue.join()  # 等所有任务完成
发送退出信号
for _ in threads:
url_queue.put(None)
for t in threads:
t.join()

共享数据要加锁，别让线程抢着写

像写文件、更新全局列表、计数器这类操作，多个线程同时执行会出错（比如少记一次、覆盖数据）。必须用 threading.Lock：

定义一个 lock 对象： lock = threading.Lock()
写共享变量前调用 lock.acquire()，写完立刻 lock.release()
更安全写法是用 with lock: 语句，自动释放

例如保存结果到 CSV 文件时：

import csv
lock = threading.Lock()
def save_to_csv(url, status):
with lock:  # 确保同一时间只有一个线程在写
with open("log.csv", "a", newline="") as f:
writer = csv.writer(f)
writer.writerow([url, status])