如何释放Jupyter Notebook中for loop的CPU资源 解决内核中断问题

核心原因是Deepnote等云Jupyter平台有CPU持续高占用检测机制，当进程连续占用CPU超过阈值一定时间后，会主动中断内核释放资源，这就是你本地运行正常但平台上报错的核心原因，可按照以下方案优化：

• 主动给CPU降载，避免持续高占用
  导入time模块，在每层循环末尾添加休眠逻辑：主页面循环每次结束加time.sleep(1.5)，子页面循环每次结束加time.sleep(0.5)；每轮while迭代完成后调用driver.quit()关闭Selenium浏览器进程，下一轮迭代重新初始化driver，避免浏览器后台进程累积占用CPU。
• 修复代码里的隐性高消耗逻辑
  你崩溃位置的打印语句print(f'Página: {page} de {pages}')存在问题：pages是长度120+的numpy数组，每次打印都需要序列化整个数组，会大幅拉高CPU占用，改为print(f'Página: {page} de {final_page}')即可；同时减少不必要的高频打印，注释掉调试用的冗余打印语句，只保留关键进度输出，避免占用标准输出缓冲区的同时拉高CPU消耗。
• 手动释放闲置资源
  导入gc模块，每轮主页面循环处理完成后，手动删除不再使用的df、df2等临时DataFrame变量，调用gc.collect()主动触发垃圾回收，避免闲置资源累积占用CPU和内存。
• 优化超时和异常逻辑
  给driver添加页面加载超时限制driver.set_page_load_timeout(30)，避免页面加载失败时进程卡壳持续占CPU；把现有宽泛的except改为捕获具体异常类型，比如except (NoSuchElementException, TimeoutException)，避免未知异常导致进程挂起。
• 拆分长时任务
  把单次循环的120页拆分为4组，每组30页，每组跑完就把结果写入持久化文件（如csv），避免单次任务长时间连续占用CPU触发平台的资源限制规则。

内容的提问来源于stack exchange，提问作者NoahVerner