в Python, как реализовать (многопроцессорный пул) - PullRequest
Новая
       57

в Python, как реализовать (многопроцессорный пул)

0 голосов
/ 30 апреля 2020

в этой части кода извлечения я извлекаю множество URL-адресов из сохраненных URL-адресов в файле (url. xml), и до завершения sh требуется так много времени, как реализовать (пул многопроцессорной обработки)

любой простой код для решения этой проблемы? Спасибо 

from bs4 import BeautifulSoup as soup
import requests
from multiprocessing import Pool

p = Pool(10) # “10” means that 10 URLs will be processed at the same time
p.map

page_url = "url.xml"


out_filename = "prices.csv"
headers = "availableOffers,otherpricess,currentprice \n"

with open(out_filename, "w") as fw:
  fw.write(headers)
  with open("url.xml", "r") as fr:
    for url in map(lambda x: x.strip(), fr.readlines()): 
      print(url)
      response = requests.get(url)
      page_soup = soup(response.text, "html.parser")


      availableOffers = page_soup.find("input", {"id": "availableOffers"})
      otherpricess = page_soup.find("span", {"class": "price"})
      currentprice = page_soup.find("div", {"class": "is"})

      fw.write(availableOffers + ", " + otherpricess + ", " + currentprice + "\n")


p.terminate()
p.join()

Ответы [ 2 ]

1 голос
/ 30 апреля 2020

Вы можете использовать стандартный пакет concurrent.futures в python для многопроцессорной обработки и многопоточности.

В вашем случае многопоточность не нужна, многопоточность поможет. Потому что ваша функция в вычислительном отношении дорогая.

К, используя многопоточность, вы можете отправлять несколько запросов одновременно. Аргумент number_of_threads может контролировать номер запроса, который вы хотите отправить за раз.

Я создал функцию, extract_data_from_url_func, которая будет извлекать данные из одного URL, и я передаю эту функцию и список URL-адресов многопоточному исполнителю с использованием concurrent.futures. 

from bs4 import BeautifulSoup as soup
from concurrent.futures import ThreadPoolExecutor
import requests

page_url = "url.xml"
number_of_threads = 6
out_filename = "prices.csv"
headers = "availableOffers,otherpricess,currentprice \n"

def extract_data_from_url_func(url):
    print(url)
    response = requests.get(url)
    page_soup = soup(response.text, "html.parser")
    availableOffers = page_soup.find("input", {"id": "availableOffers"})["value"]
    otherpricess = page_soup.find("span", {"class": "price"}).text.replace("$", "")
    currentprice = page_soup.find("div", {"class": "is"}).text.strip().replace("$", "")
    output_list = [availableOffers, otherpricess, currentprice]
    output = ",".join(output_list)
    print(output)
    return output

with open("url.xml", "r") as fr:
    URLS = list(map(lambda x: x.strip(), fr.readlines()))

with ThreadPoolExecutor(max_workers=number_of_threads) as executor:
    results = executor.map( extract_data_from_url_func, URLS)
    responses = []
    for result in results:
        responses.append(result)


with open(out_filename, "w") as fw:
  fw.write(headers)
  for response in responses:
      fw.write(response)

ссылка: https://docs.python.org/3/library/concurrent.futures.html

0 голосов
/ 30 апреля 2020

Это должно быть что-то в этой форме. Пожалуйста, внесите изменения, чтобы URL, передаваемые в p.map, представляли собой список URL: 

from bs4 import BeautifulSoup as soup
import requests
from multiprocessing import Pool
import csv

def parse(url):
    response = requests.get(url)
    page_soup = soup(response.text, "html.parser")
    availableOffers = page_soup.find("input", {"id": "availableOffers"})["value"]
    otherpricess = page_soup.find("span", {"class": "price"}).text.replace("$", "")
    currentprice = page_soup.find("div", {"class": "is"}).text.strip().replace("$", "")
    return availableOffers, otherpricess, currentprice


if __name__ == '__main__':
    urls = [ ... ]  # List of urls to fetch from
    p = Pool(10) # “10” means that 10 URLs will be processed at the same time
    records = p.map(parse, urls)
    p.terminate()
    p.join()
    with open("outfile.csv", "w") as csvfile:
        writer = csv.writer(csvfile, delimiter=',', quoting=csv.QUOTE_MINIMAL)
        for r in records:
             writer.writerow(r)
...