在python爬虫编程中，创建进程必须为该进程分配独立的内存空间，并分配大量的相关资源，这个过程很麻烦，但创建线程则简单得多。本文向大家介绍python爬虫中多线程的使用介绍。
一、Python的多线程爬虫介绍：
1、Python的多线程并不如java的多线程，其差异在于当python解释器开始执行任务时，受制于GIL(全局解释所)，Python 的线程被限制到同一时刻只允许一个程执行这样一个执行模型。
GIL介绍：
Python代码的执行由Python虚拟机（解释器）来控制,同时只有一个线程在执行。对Python虚拟机的访问由全局解释器锁（GIL）来控制，正是这个锁能保证同时只有一个线程在运行。
GIL功能：
为了线程间数据的一致性和状态同步的完整性。
例如：线程2需要线程1执行完成的结果，然而线程2又比线程1执行时间短，线程2执行完成，线程1仍然还在执行，这就是数据的同步性。
2、Python 的线程更适用于处理 I/O 和其他需要并发行的阻塞操作（比如等待 I/O、等待从数据库获取数据等等），而不是需要多处理器行的计算密集型任务。幸运的是,爬虫大部分时间在网络交互上，所以可以使用多线程来编写爬虫。
二、多线程适用场景
在一个程序进程中，有些操作是比较耗时或者需要等待的。比如：等待数据库的查询结果的返回等待网页结果的响应。
使用单线程：
处理器必须要等到这些操作完成之后才能继续往下执行其他操作，而这个线程在等待的过程中，处理器明显是可以来执行其他操作的。
使用多线程：
处理器就可以在某个线程等待时，去执行其他的线程，从而从整体上提高执行效率。
三、多线程爬虫使用方法
t1 = threading.Thread(targe=func,args=(,)) t1.setDaemon(True) t1.start() #此时线程才会启动
threading模块是python中专门提供用来做多线程编程的模块。threading模块中最常用的类是Thread。
import threading
import time
def coding():
for x in range(3):
print('%s正在写代码' % x)
time.sleep(1)
def drawing():
for x in range(3):
print('%s正在画图' % x)
time.sleep(1)
def single_thread():
coding()
drawing()
def multi_thread():
t1 = threading.Thread(target=coding)
t2 = threading.Thread(target=drawing)
t1.start()
t2.start()
if __name__ == '__main__':
multi_thread()以上就是python爬虫中多线程的具体介绍，希望能帮助你使用哦~更多python爬虫学习推荐：python爬虫。
