Python爬虫程序中使用生产者与消费者模式时进程过早退出的问题
smart_cat 人气:0之前写爬虫程序的时候，采用生产者和消费者的模式，利用Queue作为生产者进程和消费者进程之间的同步队列。
执行程序时，总是秒退，加了断点也无法中断，加打印也无法输出，我知道肯定是进程退出了，但还是百思不得解，为什么会这么快就退出。
一开始以为是我的进程代码写的有问题，在某个地方崩溃导致程序提前退出，排查了一遍又一遍，并没有发现什么明显的问题，后来走读代码，看到主模块中消费者和生产者进程的启动后，发现了问题，原因是我通过start()方法启动进程后，使用join()的方式有问题。消费者进程必须执行join()操作，否则消费者进程将在有时间完成所有工作之前被终止。
错误的示范：
queue = multiprocessing.JoinableQueue() consumer = PageContentConsumer(queue) consumer.start() producer = PageContentProducer(queue) producer.start() # 想通过queue的join()方法确保queue中的元素都被处理完毕 # 但从实际运行看，消费者进程还没来得及处理就退出了 queue.join()
正确的示范：
queue = multiprocessing.JoinableQueue() consumer = PageContentConsumer(queue) consumer.start() producer = PageContentProducer(queue) producer.start() # 需要执行producer.join()，确保生产者进程能够持续执行 producer.join() # 需要执行consumer.join()，确保消费者进程有时间进行处理 consumer.join() # 通过queue的join()方法确保queue中的元素都被处理完毕, 这一步可选，因为真实代码里放了队列完成标志 queue.join()
生产者进程示意代码：
class PageContentProducer(multiprocessing.Process): def __init__(self, page_list:list, output_queue:multiprocessing.JoinableQueue): multiprocessing.Process.__init__(self) self.daemon = True self.page_list = page_list self.content_list = [] # 用于保存汇总信息，没有什么实际作用 self.output_queue = output_queue def run(self): ''' 向队列中加入每一篇文章 ''' self.visit_all_page_to_get_content() def visit_all_page_to_get_content(self): ''' 使用线程池处理所有的page, 并从每一页上提取所有的文章content ''' ...
消费者进程示意代码：
class PageContentConsumer(multiprocessing.Process):
def __init__(self, dir, input_queue:multiprocessing.JoinableQueue):
multiprocessing.Process.__init__(self)
self.daemon = True
self.input_queue = input_queue
self.dir = dir
def run(self):
while True:
try:
content = self.input_queue.get()
if content is None:
# 如果收到结束标志, 就退出当前任务
break
self.content_worker_func(self.dir, content)
print(f"已处理: {content['title']}")
# 发出信号通知任务完成
self.input_queue.task_done()
except Exception as e:
print(repr(e))
def content_worker_func(self, dir, content):
'''
主要工作函数
'''
...主模块代码示意如下:
if __name__ == '__main__': page_list = [xxxx] queue = multiprocessing.JoinableQueue() consumer_num = os.cpu_count() consumers = [] for i in range(0, consumer_num): consumers.append(PageContentConsumer(dir, queue)) for i in range(0, consumer_num): consumers[i].start() producer = PageContentProducer(page_list, queue) producer.start() producer.join() # 在队列上放置标志，发出完成信号, 有几个消费者,就需要放置多少个标志 for i in range(0, consumer_num): queue.put(None) # 等待消费者进程关闭 for i in range(0, consumer_num): consumers[i].join()
加载全部内容