Python学习，多进程了解一下！学爬虫不会用多进程能行吗？

python中的多线程其实并非真正的多线程，若是想要充分地使用多核CPU的资源，在python中大部分状况须要使用多进程。Python提供了很是好用的多进程包multiprocessing，只须要定义一个函数，Python会完成其余全部事情。借助这个包，能够轻松完成从单进程到并发执行的转换

原本想写多线程的，可是演示效果并非很好，就改为进程了。

其实多进程没有咱们想象的那么难，用几个小例子给你们分享一下！

目录

• 多进程的多种实现方法及效果演示：这段将经过几个小脚本实现多进程的效果
• 一个小爬虫实例，经过运行时间来查看进程对代码速度的影响

 多进程

首先咱们先作一个小脚本，就用turtle画4个同心圆吧！这样在演示多进程的时候比较直观。代码以下：

 1 import turtle
 2 
 3 def cir(n,m):
 4     turtle.penup()
 5     turtle.goto(n)
 6     turtle.pendown()
 7     turtle.circle(m)
 8     time.sleep(1)
 9 def runn(lis1,lis2):
10     for n, m in zip(lis1,lis2):
11         cir(n,m)
12 if __name__ == '__main__':
13     nn = [(0,-200),(0,-150),(0,-100),(0,-50)]
14     mm = [200,150,100,50]
15     runn(nn,mm)

这段代码，实现了画4个同心圆的效果，若是用多进程的话，咱们稍微该写一下,将runn()函数替换下面的代码

from multiprocessing import Process,Pool

for i in range(4):

    Process(target=runn,args=(nn,mm)).start()

这里，启动4个进程，同时画圆，给个图你们感觉一下！

 

能够看到，这里直接生成4个画板同时画同心圆。若是还要在加进程的话，能够用pool进程池，注意pool有2个方法，建议用非阻塞的p.apply_async不要用阻塞的p.apply方法，p.apply_async会由系统自行判断并运行，好比指定4个进程运行5个任务，那么会在某一个进程运行完毕的同时自动开始第5个任务，而阻塞的p.apply方法会一次只运行一个进程。

而后就是记得close()进程池，并用p.join()等待全部进程完成！相关代码以下

1 p = Pool(9)
2     for i in range(9):
3         p.apply_async(runn,(nn,mm))#非阻塞
4         #p.apply(runn,(nn,mm))#阻塞
5     p.close()
6     p.join()

Pool()里面不带参数会自动适应电脑自己内核数量，这里我设置9个进程同时进行！来看看效果

能够看到，同时进行了9个画图的进程，可是一样的，有明显的卡顿感！固然，咱们也能够用map函数来写多进程，先修改下代码

def cir(m):
    turtle.penup()
    turtle.goto(m[0])
    turtle.pendown()
    turtle.circle(m[1])
    time.sleep(14)
if __name__ == '__main__':
    nn = [(0, -200), (0, -150), (0, -100), (0, -50)]
    mm = [200, 150, 100, 50]
    mn = [(x,y) for x,y in zip(nn,mm)]
    p = Pool(3)
    p.map(cir,mn)

此次不画4个同心圆了，咱们让它4个进程各画一个圆，来看看效果

为了演示效果，多加了点间隔时间，并把cir函数的参数改成1个，这样便于生成元组列表！能够看到，有了明显的卡顿，电脑很差，你们看看效果就好了

  写个简单的多进程爬虫

作一个小爬虫，加入运行时间，先上一个不使用进程的代码：

import requests
from lxml import etree
import time
from multiprocessing import Process,Pool

def main(url):
    time.sleep(1)
    html = requests.get(url)
    html.encoding = 'gb2312'
    data = etree.HTML(html.text)
    title = data.xpath('//a[@class="ulink"]/text()')
    summary = data.xpath('//td[@colspan="2"]/text()')
    urls = data.xpath('//a[@class="ulink"]/@href')
    for t,s,u in zip(title,summary,urls):
        print(t)
        print('【url:】http://www.dytt8.net'+u)
        print('【简介】>>>>>>>'+s)

if __name__ == '__main__':
    start = time.time()
    url = 'http://www.dytt8.net/html/gndy/dyzz/'
    pg_url = [url+'list_23_{}.html'.format(str(x)) for x in range(1,10)]
    for pg_u in pg_url:
        main(pg_u)
    end = time.time()
    print("共计用时%.4f秒"%(end-start))

在修改下多进程，直接修改最后几行行代码便可

    pg_url = [url+'list_23_{}.html'.format(str(x)) for x in range(1,10)]
    # for pg_u in pg_url:
    #     main(pg_u)
    p=Pool()
    p.map(main,pg_url)
    end = time.time()
    print("共计用时%.4f秒"%(end-start))

能够看到，速度提升了1倍多，固然，并非说只能提升一倍，而是个人代码太简单了，只是从网站抓取字符串打印出来，响应速度很快，致使提高的倍率并无咱们想象的那么高，若是你们有兴趣，能够尝试一下，基本上能够提高到进程数的倍率，也就是说，不超过电脑核心数量，且没有其余外因（好比网络响应速度等等）的状况下，用4进程能够提高接近4倍的速度！

后记

在学习的过程当中，不免会遇到很高深而且很难理解的知识点，咱们能够先尝试去简化理解它，好比多进程，它自己还有进程池、进程间通信、守护进程、进程类（重写run方法）、进程锁、进程队列、管道、信号量等等功能或知识点，这里都没有涉及，不过这并不影响咱们使用简单的多进程写代码！