linux多线程网页截图 python与shell办法
|
多线程功能是linux中非常成熟的一个功能了,下面我们介绍linux多线程网页截图功能,下面有两个例子,一个是python另一个是shell,具体我们来看看吧. shell多线程网页截 linux的两个截图工具cutycapt和phantomjs,经过测试,cutycapt截图较慢,但比较稳定,phantomjs截图速度较快,但时有出现进程假死的状态,权衡利弊,决定使用cutycapt+shell脚本的方式截图. webshot.sh #/bin/bash #webhsot #by caishzh 2013 WEBSHOTDIR="/data/webshot" mkdir -p $WEBSHOTDIR while read LINE do DISPLAY=:0 cutycapt --url=http://$LINE --max-wait=90000 --out=$WEBSHOTDIR/$LINE.jpg >/dev/null 2>&1 done<domain.txt 脚本很简单,就不注释了,domain.txt是网址列表,cutycapt的安装和使用参照这里,执行脚本,可以正常截图,图片质量也很高,但另一个问题出现了,对几万个网站截图,时间周期太长,估算需要半个月左右. 时间太长,耗不起,需要优化下脚本,找了下资料,决定使用多线程截图,其实shell无法实现多线程,只是将多个进程放入后台执行而已. multiwebshot.sh #/bin/bash #Multithreading webshot #by caishzh 2013 WEBSHOTDIR="/data/webshot" mkdir -p $WEBSHOTDIR #将domain.txt分割成10个文件（x开头），每个文件5000行 split -l 5000 domain.txt for i in `ls x*`;do { for j in `cat $i`;do DISPLAY=:0 cutycapt --url=http://$j --max-wait=90000 --out=$WEBSHOTDIR/$j.jpg >/dev/null 2>&1 done }& done wait #删除由spilt分割出的临时文件 rm x* -f 脚本说明:先使用split将domain.txt分割成多个个文件,每个文件5000行,再使用两个嵌套的for循环实现多进程截图,第一个for是列出由split分割的的文件名,第二个for对这些文件里的网站截图,注意大括号后面的&,&的作用是将大括号里的脚本代码放到后台执行,这就模拟处理“多线程”的效果,实际则是多进程,wait是等待前面的后台任务全部完成才往下执行. 使用该脚本大大提高了截图的是速度,在两天左右的时间里完成所有网站的截图,效果显著,需要注意的是,cutycapt截图是需要占用较大的网络带宽和cpu资源,在配置较差的机器上不要开太多的cutycapt“线程”,以免造成机器死机. python多线程网页截 刚好最近在学习python,而python可以很方便的支持多线程,找了些资料,使用threading+queue的方式实现了“能者多劳”的多线程截图方式. #coding:utf-8 import threading,urllib2 import datetime,time import Queue import os class Webshot(threading.Thread): def __init__(self,queue): threading.Thread.__init__(self) self.queue=queue def run(self): while True: #如果队列为空，则退出，否则从队列中取出一条网址数据，并截图 if self.queue.emptyempty(): break host=self.queue.get().strip('/n') shotcmd="DISPLAY=:0 cutycapt --url=http://"+host+" --max-wait=90000 --out="+host+".jpg" os.system(shotcmd) self.queue.task_done() time.sleep(1) def main(): queue=Queue.Queue() f=file('domain.txt','r')
＃往队列中填充数据 while True: line=f.readline() if len(line)==0: break queue.put(line) #生成一个 threads pool, 并把队列传递给thread函数进行处理，这里开启10个线程并发 for i in range(0,10): shot=Webshot(queue) shot.start() //Cuoxin.com if __name__=="__main__": main() 程序描述如下: 1、创建一个Queue.Queue() 的实例,将domain.txt里的网站列表存入到该队列中. 2、for循环生成10个线程并发. 3、将队列实例传递给线程类Webshot，后者是通过继承 threading.Thread 的方式创建的. 4、每次从队列中取出一个项目,并使用该线程中的数据和 run 方法以执行相应的工作 5、在完成这项工作之后,使用 queue.task_done() 函数向任务已经完成的队列发送一个信号. （编辑：银川站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
