我的代碼從網站保存頁面并使用 bs4 獲取其他頁面的 url。在我之前的問題中，我被建議使用多執行緒而不是多處理，并且我得到了一個最初對我很有幫助的代碼。但是，當我在 100 次操作上對其進行測驗時，它在完成后并沒有關閉（等了 10 分鐘），并且我注意到該程式沒有保存所有頁面（并且在不同的運行中它沒有保存不同的頁面，大約 5-8 從 120）。通過 30 次操作，它會始終如一地保存所有操作，并在停止前等待大約 10 秒。也許代碼等待剩余的執行緒？如何修復非關閉？這是我得到的代碼：
# libraries
import os
from bs4 import BeautifulSoup
from selenium import webdriver
from multiprocessing.pool import ThreadPool
import threading
# variables
url = "https://eldorado.ua/"
directory = os.path.dirname(os.path.realpath(__file__))
env_path = directory "\chromedriver"
chromedriver_path = env_path "\chromedriver.exe"
UserAgent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 " \
"Safari/537.36 "
dict1 = {"Смартфоны и телефоны": "https://eldorado.ua/node/c1038944/",
"Телевизоры и аудиотехника": "https://eldorado.ua/node/c1038957/",
"Ноутбуки, ПК и Планшеты": "https://eldorado.ua/node/c1038958/",
"Техника для кухни": "https://eldorado.ua/node/c1088594/",
"Техника для дома": "https://eldorado.ua/node/c1088603/",
"Игровая зона": "https://eldorado.ua/node/c1285101/",
"Гаджеты и аксесуары": "https://eldorado.ua/node/c1215257/",
"Посуда": "https://eldorado.ua/node/c1039055/",
"Фото и видео": "https://eldorado.ua/node/c1038960/",
"Красота и здоровье": "https://eldorado.ua/node/c1178596/",
"Авто и инструменты": "https://eldorado.ua/node/c1284654/",
"Спорт и туризм": "https://eldorado.ua/node/c1218544/",
"Товары для дома и сада": "https://eldorado.ua/node/c1285161/",
"Товары для детей": "https://eldorado.ua/node/c1085100/"}
count = 0
threaded_data = threading.local() # Создаёт хранилище (класс) для потоков, чтобы не вызывать webdriver при каждой итерации
os.environ['PATH'] = env_path # Добавляет chromedriver в PATH
class Driver:
def __init__(self):
options = webdriver.ChromeOptions()
options.headless = True
options.add_experimental_option("excludeSwitches", ['enable-automation'])
options.add_argument(f'--user-agent={UserAgent}')
self.driver = webdriver.Chrome(executable_path=chromedriver_path, options=options)
def __del__(self):
self.driver.quit() # driver.quit(), когда переменная больше не используется (при окончании выполнения потока)
print('The driver has been quited.')
def create_driver():
the_driver = getattr(threaded_data, 'the_driver', None)
if the_driver is None:
the_driver = Driver()
setattr(threaded_data, 'the_driver', the_driver)
return the_driver.driver
def processing_brand_pages(name):
with open(f"{directory}\section_pages\\{name}.html", encoding="utf-8") as file:
soup = BeautifulSoup(file.read(), "lxml")
links = soup.find_all("div", class_="title")
driver = create_driver()
for n in links:
ref = url n.find('a').get('href')
global count
print(n.text, count)
count = 1
driver.get(ref)
try:
with open(f"{directory}\\brand_pages\\{name}\\{n.text}.html", "w", encoding="utf-8") as file:
file.write(driver.page_source)
except Exception as ex:
print(ex)
if __name__ == "__main__":
ThreadPool(processes=6).map(processing_brand_pages, dict1.keys())
del threaded_data # Quit all the Selenium drivers
import gc
gc.collect()
我已經修改它不使用類（個人喜好）：
# libraries
import os
from bs4 import BeautifulSoup
from selenium import webdriver
from multiprocessing.pool import ThreadPool
import threading
# variables
url = "https://eldorado.ua/"
directory = os.path.dirname(os.path.realpath(__file__))
env_path = directory "\chromedriver"
chromedriver_path = env_path "\chromedriver.exe"
UserAgent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 " \
"Safari/537.36 "
dict1 = {"Смартфоны и телефоны": "https://eldorado.ua/node/c1038944/",
"Телевизоры и аудиотехника": "https://eldorado.ua/node/c1038957/",
"Ноутбуки, ПК и Планшеты": "https://eldorado.ua/node/c1038958/",
"Техника для кухни": "https://eldorado.ua/node/c1088594/",
"Техника для дома": "https://eldorado.ua/node/c1088603/",
"Игровая зона": "https://eldorado.ua/node/c1285101/",
"Гаджеты и аксесуары": "https://eldorado.ua/node/c1215257/",
"Посуда": "https://eldorado.ua/node/c1039055/",
"Фото и видео": "https://eldorado.ua/node/c1038960/",
"Красота и здоровье": "https://eldorado.ua/node/c1178596/",
"Авто и инструменты": "https://eldorado.ua/node/c1284654/",
"Спорт и туризм": "https://eldorado.ua/node/c1218544/",
"Товары для дома и сада": "https://eldorado.ua/node/c1285161/",
"Товары для детей": "https://eldorado.ua/node/c1085100/"}
count = 0
threaded_data = threading.local() # Создаёт экземпляр класса (типо хранилище) для потоков, чтобы не вызывать webdriver при каждой итерации
os.environ['PATH'] = env_path # Добавляет chromedriver в PATH
def processing_brand_pages(name):
with open(f"{directory}\section_pages\\{name}.html", encoding="utf-8") as file:
soup = BeautifulSoup(file.read(), "lxml")
links = soup.find_all("div", class_="title")
driver = put_driver_in_threaded_data()
for n in links:
ref = url n.find('a').get('href')
global count
print(n.text, count)
count = 1
driver.get(ref)
try:
with open(f"{directory}\\brand_pages\\{name}\\{n.text}.html", "w", encoding="utf-8") as file:
file.write(driver.page_source)
except Exception as ex:
print(ex)
def put_driver_in_threaded_data():
threaded_driver = getattr(threaded_data, 'driver_in_threaded_data', None)
if threaded_driver is None:
options = webdriver.ChromeOptions()
options.headless = True
options.add_experimental_option("excludeSwitches", ['enable-automation'])
options.add_argument(f'--user-agent={UserAgent}')
threaded_driver = webdriver.Chrome(executable_path=chromedriver_path, options=options)
setattr(threaded_data, 'driver_in_threaded_data', threaded_driver)
return threaded_driver
if __name__ == "__main__":
ThreadPool(processes=6).map(processing_brand_pages, dict1.keys())
del threaded_data # Quit all the Selenium drivers
import gc
gc.collect()
兩者都以相同的方式作業，并且問題也發生在它們兩者上。
uj5u.com熱心網友回復：
我認為你需要寫：
with ThreadPool(processes=6) as pool:
pool.map(processing_brand_pages, dict1.keys())
這會強制 apool.join()在執行下一條陳述句之前發生。由于您的代碼現在已撰寫完畢，因此您只是在啟動執行緒，然后繼續前進。
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/364301.html
標籤：Python 硒网络驱动程序 python-多处理 python-多线程