标签:Python
什么是生产者消费者模式某些模块负责生产数据,这些数据由其他模块来负责处理(此处的模块可能是:函数、线程、进程等)。产生数据的模块称为生产者,而处理数据的模块称为消费者。在生产者与消费者之间的缓冲区称之为仓库。生产者负责往仓库运输商品,而消费者负责从仓库里取出商品,这就构成了生产者消费者模式。
解耦
假设生产者和消费者分别是两个线程。如果让生产者直接调用消费者的某个方法,那么生产者对于消费者就会产生依赖(也就是耦合)。如果未来消费者的代码发生变化,可能会影响到生产者的代码。而如果两者都依赖于某个缓冲区,两者之间不直接依赖,耦合也就相应降低了。
并发
由于生产者与消费者是两个独立的并发体,他们之间是用缓冲区通信的,生产者只需要往缓冲区里丢数据,就可以继续生产下一个数据,而消费者只需要从缓冲区拿数据即可,这样就不会因为彼此的处理速度而发生阻塞。
#!/usr/bin/python
# -*- coding: utf-8 -*-
# @Time : 2017/12/4 16:29
# @Author : YuLei Lan
# @Email : lanyulei@renrenche.com
# @File : urls.py
# @Software: PyCharm
import requests
import os
from urllib.request import urlretrieve
from bs4 import BeautifulSoup
import threading
BASE_PAGE_URL = ‘http://www.doutula.com/photo/list/?page=‘
PAGE_URL_LIST = [] # 所有分页的列表
FACE_URL_LIST = [] # 所有表情的url列表
gLock = threading.Lock()
def get_page_url():
for i in range(1, 2):
url = BASE_PAGE_URL + str(i)
PAGE_URL_LIST.append(url)
def procuder():
"""
生产者
不断生产出所有的可下载的img_url地址
"""
while len(PAGE_URL_LIST) != 0: # 不能使用for循环
gLock.acquire()
page_url = PAGE_URL_LIST.pop()
gLock.release()
response = requests.get(page_url)
text = response.text
soup = BeautifulSoup(text, ‘lxml‘)
img_list = soup.find_all(‘img‘, attrs={‘class‘: ‘img-responsive lazy image_dta‘})
gLock.acquire()
for img in img_list:
img_url = img[‘data-original‘]
if not img_url.startswith(‘http:‘):
img_url = ‘http:{}‘.format(img_url)
FACE_URL_LIST.append(img_url)
gLock.release()
def customer():
""" 消费者 """
while True:
if len(FACE_URL_LIST) == 0:
continue
else:
img_url = FACE_URL_LIST.pop()
tmp_list = img_url.split(‘/‘)
filename = tmp_list.pop()
path_file = os.path.join(‘images‘, filename)
urlretrieve(img_url, filename=path_file)
def main():
for i in range(3):
th = threading.Thread(target=procuder)
th.start()
for i in range(5):
th = threading.Thread(target=customer)
th.start()
if __name__ == ‘__main__‘:
get_page_url()
main()
用Python多线程实现生产者消费者模式爬取斗图网的表情图片
标签:Python
原文地址:http://blog.51cto.com/11293981/2121708