Question

我有一个RSS / ATOM订阅源列表（近500个）来解析和获取链接。

我正在使用python feedparser libary来解析url。为了解析url列表，我想到了在python中使用线程库。

我的代码看起来像这样

import threading
import feedparser

class PullFeeds:
    def _init__(self):
        self.data = open('urls.txt', 'r')

    def pullfeed(self):
        threads = []
        for url in self.data:
             t = RssParser(url)
             threads.append(t)
        for thread in threads:
             thread.start()
        for thread in threads:
             thread.join()

class RssParser(threading.Thread):
     def __init__(self, url):
         threading.Thread.__init__(self)
         self.url = url

     def run(self):
         print "Starting: ", self.name
         rss_data = feedparser.parse(self.url)
         for entry in rss_data.get('entries'):
             print entry.get('link')
         print "Exiting: ", self.name


pf = PullFeeds()
pf.pullfeed()

问题是，当我运行此脚本时，Feedparser会返回一个空列表。但是，如果没有线程化的feedparser打印出从提供的URL解析的链接列表。

我该如何解决这个问题？

Answer 1

要查看问题是否与多线程有关，您可以尝试使用多个进程：

#!/usr/bin/env python
####from multiprocessing.dummy import Pool # use threads
from multiprocessing import Pool # use processes
from multiprocessing import freeze_support
import feedparser

def fetch_rss(url):
    try:
        data = feedparser.parse(url)
    except Exception as e:
        return url, None, str(e)
    else:
        e = data.get('bozo_exception')
        return url, data['entries'], str(e) if e else None

if __name__=="__main__":
    freeze_support()
    with open('urls.txt') as file:
        urls = (line.strip() for line in file if line.strip())
        pool = Pool(20) # no more than 20 concurrent downloads
        for url, items, error in pool.imap_unordered(fetch_rss, urls):
            if error is None:
                print(url, len(items))
            else:
                print(url, error)

Answer 2

问题在于Vagrant。我在我的一个流浪机里面运行脚本。流浪盒中的相同脚本运行良好。

这需要报告。我还不确定在哪里报告此错误，无论是Vagrant还是Python线程或Feedparser库都存在问题。

Python Feedparser和多线程

2 个答案: