利用JAVA实现一个多线程爬虫

2023-05-31 15:24

短信预约 -IT技能 免费直播动态提醒

利用JAVA实现一个多线程爬虫？很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

JAVA 多线程爬虫实例详解

前言

以前喜欢Python的爬虫是出于他的简洁，但到了后期需要更快，更大规模的爬虫的时候，我才渐渐意识到Java的强大。Java有一个很好的机制，就是多线程。而且Java的代码效率执行起来要比python快很多。这份博客主要用于记录我对多线程爬虫的实践理解。

线程

线程是指一个任务从头至尾的执行流。线程提供了运行一个任务的机制。对于Java而言，可以在一个程序中并发地启动多个线程。这些线程可以在多处理器系统上同时运行。

runnable接口

任务类必须实现runnable接口，它只包含一个run方法。需要实现这个方法来告诉系统线程将如何运行。

Thread类

包含为任务而创建的线程的构造方法，以及控制线程的方法。

synchronized关键字

为避免竞争状态，防止多个线程同时进入程序的某个特定部分，即临界区，以便一次只有一个线程可以访问临界区。

利用加锁同步

Java可以显式加锁，一个锁是一个Lock接口的实例，它定义了加锁和释放锁的方法。

线程池

线程池是管理开发执行任务个数的理想方法。Java提供Executor接口来执行线程池中的任务，提供ExecutorService接口管理和控制任务。

使用线程池的方法获取url列表

import java.util.ArrayList;import java.util.List;import java.util.concurrent.ExecutorService;import java.util.concurrent.Executors;import java.util.concurrent.locks.Lock;import java.util.concurrent.locks.ReentrantLock;public class MyThreading {  private static String p_id = null;  private static Url urls = null;  public MyThreading(String p_id){    this.p_id = p_id ;   // 京东商品的id    urls = new Url(p_id);   }  public List<String> getUriList(){    ExecutorService executor = Executors.newCachedThreadPool();    for (int i = 0 ; i < 600 ; i ++){      executor.execute(new AddUrl(i));    // 添加任务到线程池    }    executor.shutdown();    while (!executor.isTerminated()){}    return urls.getList();  }  public static class AddUrl implements Runnable{    int page;    public AddUrl(int page){      this.page = page;    }    public void run(){      urls.addList(page);   // 启动多线程任务    }  }  public static class Url {    private static Lock lock = new ReentrantLock();     // 开启显式家锁    private static List<String> urlList = new ArrayList();         private String p_id;    public Url(String p_id ){      this.p_id = p_id ;    }    public List<String> getList(){      return urlList;    }    public void addList(int page){      lock.lock();      try{        String url = "http://club.jd.com/productpage/p-" + p_id + "-s-0-t-0-p-" + String.valueOf(page) + ".html";//       Thread.sleep(5);        urlList.add(url);    //添加url到url列表      }catch(Exception ex ){      }      finally {        lock.unlock();     // 解锁      }    }  }  public static void main(String[] args) {    String p_id = "2441288";    MyThreading myThreading = new MyThreading(p_id);    List <String> urlList = myThreading.getUriList();    for(String url : urlList){      System.out.println(url);    }    System.out.println(urlList.size());  }}

免责声明：

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

java 多线程爬虫

阅读原文内容投诉