Sublime Text 仅是代码编辑器，不具备爬虫运行能力；真正执行爬虫、多线程和数据清洗的是Python解释器及用户脚本，其构建系统仅调用外部命令，不管理线程生命周期或运行时行为。
Sublime Text 本身不提供爬虫运行能力，所谓“内置多线程并发与数据清洗”是误解。它只是代码编辑器，真正执行爬虫、并发、清洗的是 Python 解释器和你写的脚本。
为什么 Sublime 不能直接跑多线程爬虫
Sublime 的 Build System（构建系统）本质是调用外部命令，比如 python -u "$file"。它不管理线程生命周期，也不处理 requests 或 threading 的运行时行为——这些全靠 Python 自己调度。常见错误现象包括：
- 点击 Ctrl+B 后控制台一闪而过，没输出：脚本可能抛了异常但被静默吞掉，或线程启动后主程序退出
- 多线程脚本在 Sublime 中只跑了一次就结束：没加
thread.join()，主线程提前退出 - 中文乱码或路径含空格时报错：Sublime 默认构建命令未指定编码或未引号包裹
$file
解决办法是显式配置构建系统，并确保脚本自身健壮：
- 把构建命令改成：
python -u "$file"→python -u "$file" > "$file_base_name.log" 2>&1，把输出落地便于排查 - 在脚本末尾加
input("Press Enter to exit...")防止窗口闪退 - 用
if __name__ == "__main__":包裹多线程启动逻辑，避免子进程重复导入执行
如何用 Sublime 快速调试 requests + threading 爬虫
你真正需要的是一套可复用、易调试的模板结构，而不是“内置功能”。以下是最小可行组合：
立即学习“Python免费学习笔记（深入）”；
-
requests负责发请求，记得设timeout=10和headers={'User-Agent': '...'}，否则大概率被 403 -
threading.Thread启动任务，别用threading.active_count()判断完成——改用thread.is_alive()或更推荐concurrent.futures.ThreadPoolExecutor - 数据清洗放在解析后、存入前，例如用
re.sub(r'\s+', ' ', text)去多余空白，或str.strip()清首尾
示例片段（可直接粘贴进 Sublime 编辑保存为 spider.py）：
import requests
import threading
from time import sleep
<p>def fetch(url):
try:
r = requests.get(url, timeout=10, headers={'User-Agent': 'Mozilla/5.0'})
print(f"[{url}] → {r.status_code}")</p><h1>这里加清洗：r.text.replace('\n', '').strip()</h1><pre class='brush:php;toolbar:false;'>except Exception as e:
print(f"[{url}] ERROR: {e}")urls = ["https://www.php.cn/link/5f69e19efaba426d62faeab93c308f5c"] * 3 threads = [threading.Thread(target=fetch, args=(u,)) for u in urls] for t in threads: t.start() for t in threads: t.join() # 关键：必须等所有线程结束
Sublime 配合 MongoDB 做数据清洗的实操要点
Sublime 不连接数据库，但你可以用它高效写和改 pymongo 脚本。关键不是“怎么连”，而是“怎么避免连错、写错、丢数据”：
-
pymongo.MongoClient默认连接localhost:27017，如果报ConnectionRefusedError，先确认 mongod 进程是否真在运行（不是只装了包） - 写入前务必用
collection.find_one({"_id": ...})检查是否已存在，避免重复插入；清洗逻辑建议封装成函数，比如clean_title(doc)，再批量调用 - 别在 Sublime 构建中直接运行耗时清洗脚本（如遍历 10 万条文档），先用小样本测试逻辑，再用终端跑正式版
一个典型清洗动作示例（注意 update_many 的 upsert=False 是默认值，别漏写条件）：
from pymongo import MongoClient
client = MongoClient('mongodb://localhost:27017/')
db = client['mydb']
coll = db['pages']
<h1>清洗：把所有 title 字段的多余空格替换成单空格，并去首尾</h1><p>coll.update_many(
{"title": {"$exists": True}},
{"$set": {"title": {"$replaceAll": {"input": "$title", "find": "\s+", "replacement": " "}}}}
)</p><h1>⚠️ 注意：上面是 MongoDB 4.2+ 的聚合更新语法；旧版本得用 Python 循环 + save()容易被忽略的 Sublime 爬虫开发陷阱
很多人卡在看似无关的细节上，比如：
- Sublime 的默认 Python 构建系统可能调用的是系统 Python（如 macOS 的
/usr/bin/python3），而非你用 pyenv 或 conda 装的版本，导致ImportError: No module named 'requests'—— 解决办法：自定义构建系统，显式写绝对路径，如/Users/xxx/.pyenv/versions/3.11.9/bin/python -u "$file" - 用
print()调试多线程时，输出顺序混乱甚至丢失：因为 stdout 是线程不安全的，临时方案是加锁，长期应改用logging模块 - 以为 Sublime 支持热重载爬虫脚本 —— 实际每次构建都是全新进程，全局变量不会保留，别依赖
cache = {}跨次运行
最麻烦的其实是环境错位：编辑器里看着代码没问题，终端一跑就报错。根源往往不在爬虫逻辑，而在 Python 路径、包版本、MongoDB 权限这三处。动手前先在终端跑 python -c "import requests, pymongo; print('ok')"，比反复改 Sublime 配置高效得多。
