多线程python爬虫怎样进行任务取消与恢复

在Python中，可以使用threading库来实现多线程爬虫。为了实现任务取消和恢复，你可以使用threading.Event对象。Event对象可以用来在线程之间传递信号，例如取消或恢复任务。

以下是一个简单的示例，展示了如何使用threading.Event实现任务取消和恢复：

import threading
import requests
from bs4 import BeautifulSoup

class WebCrawler:
    def __init__(self, urls, event):
        self.urls = urls
        self.event = event
        self.threads = []

    def crawl(self, url):
        try:
            response = requests.get(url)
            if response.status_code == 200:
                soup = BeautifulSoup(response.text, 'html.parser')
                print(f"Crawled {url}")
            else:
                print(f"Failed to crawl {url}")
        except Exception as e:
            print(f"Error while crawling {url}: {e}")

    def start(self):
        for url in self.urls:
            thread = threading.Thread(target=self.crawl, args=(url,))
            thread.start()
            self.threads.append(thread)

    def cancel(self):
        self.event.set()

    def resume(self):
        self.event.clear()

    def join(self):
        for thread in self.threads:
            thread.join()

if __name__ == "__main__":
    urls = [
        "https://www.example.com",
        "https://www.example2.com",
        "https://www.example3.com"
    ]

    event = threading.Event()
    crawler = WebCrawler(urls, event)

    # Start crawling
    crawler.start()

    # Wait for a while and cancel the task
    import time
    time.sleep(5)
    crawler.cancel()

    # Wait for all threads to finish
    crawler.join()

在这个示例中，我们创建了一个名为WebCrawler的类，它接受一个URL列表和一个Event对象。crawl方法用于爬取URL，start方法用于启动所有线程，cancel方法用于设置事件以取消任务，resume方法用于清除事件以恢复任务。join方法用于等待所有线程完成。

要使用这个类，你需要创建一个WebCrawler实例，传入URL列表和一个Event对象。然后，你可以调用start方法启动爬虫，使用cancel方法取消任务，以及使用resume方法恢复任务。