Python Selenium网页爬虫多线程并发执行偶尔报错原因及解决方法
本文分析了使用Python和Selenium进行网页爬虫，并将动态HTML保存为PDF文件时，多线程并发执行偶尔报错，而单线程执行却正常运行的问题。
问题描述
项目需求需要将动态HTML页面转换为PDF。我们使用Python和Selenium，通过page.printToPdf命令获取PDF数据并保存。为了提高效率，采用了多线程并发执行。然而，多线程环境下偶尔出现错误，单线程执行则一切正常。
问题代码及错误信息
以下代码片段用于测试：
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.chrome.service import Service
# ... other imports ...
def test():
service_obj = Service(r"d:\work\chromedriver-win64\chromedriver.exe")
options_obj = Options()
options_obj.binary_location = r"d:\work\chrome-win64\chrome.exe"
options_obj.add_argument('--no-sandbox')
options_obj.add_argument('--disable-gpu')
# options_obj.add_argument("--remote-debugging-port=9225") # problematic line
options_obj.add_argument("--incognito")
# ... other options ...
driver = webdriver.Chrome(options=options_obj, service=service_obj)
print(driver.session_id)
driver.get("https://www.baidu.com")
driver.quit()
if __name__ == '__main__':
threads = [threading.Thread(target=test) for _ in range(3)]
for t in threads:
t.start()
错误信息如下：
立即学习“Python免费学习笔记（深入）”；
<code>Exception in thread Thread-2: Traceback (most recent call last): ... selenium.common.exceptions.WebDriverException: Message: disconnected: unable to receive message from renderer (Session info: chrome=120.0.6099.71)</code>
原因分析与解决方案
问题根源在于（已注释掉的）options_obj.add_argument("--remote-debugging-port=9225") 这行代码。它指定了Chrome的远程调试端口为9225。多线程并发执行时，多个线程试图同时使用该端口，导致端口冲突，引发WebDriverException。
解决方案：
-
移除远程调试端口参数: 直接删除
options_obj.add_argument("--remote-debugging-port=9225")这行代码，避免端口冲突。这是最简单直接的解决方法。 -
为每个线程分配不同的端口: 如果需要使用远程调试功能，可以为每个线程分配不同的端口：
def test(port):
options_obj.add_argument(f"--remote-debugging-port={port}")
# ... rest of the code ...
if __name__ == '__main__':
ports = [9225, 9226, 9227]
threads = [threading.Thread(target=test, args=(port,)) for port in ports]
for t in threads:
t.start()
通过以上方法，可以有效解决多线程并发执行时出现的端口冲突问题，确保Selenium爬虫的稳定运行。 建议优先采用第一种方法，除非有明确需要使用远程调试功能。 此外，考虑使用更高级的并发控制机制，例如进程池，以更好地管理资源并提高效率。
