学习Python多进程了解一下，学爬虫不会用多进程还学个锤子

本文链接：https://blog.csdn.net/DEVELOPERAA/article/details/128980359

python中的多线程其实并不是真正的多线程，如果想要充分地使用多核CPU的资源，在python中大部分情况需要使用多进程。Python提供了非常好用的多进程包multiprocessing，只需要定义一个函数，Python会完成其他所有事情。借助这个包，可以轻松完成从单进程到并发执行的转换

本来想写多线程的，但是演示效果并不是很好，就改成进程了。

其实多进程没有我们想象的那么难，用几个小例子给大家分享一下！

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

多进程

首先我们先做一个小脚本，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。代码如下：

 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，如果用多进程的话，我们稍微该写一下,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，给个图大家感受一下！

可以看到，这里直接生成4个画板同时画同心圆。如果还要在加进程的话，可以用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，比如指定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。

然后就是记得close()进程池，并用p.join()等待所有进程完成！相关代码如下

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本身内核数量，这里我设置9个进程同时进行！来看看效果

可以看到，同时进行了9个画图的进程，但是同样的，有明显的卡顿感！当然，我们也可以用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)

这次不画4个同心圆了，我们让它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函数的参数改为1个，这样便于生成元组列表！可以看到，有了明显的卡顿，电脑不好，大家看看效果就行了

写个简单的多进程爬虫

做一个小爬虫，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即可

    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))

可以看到，速度提高了1倍多，当然，并不是说只能提高一倍，而是我的代码太简单了，只是从网站抓取字符串打印出来，响应速度很快，导致提升的倍率并没有我们想象的那么高，如果大家有兴趣，可以尝试一下，基本上可以提升到进程数的倍率，也就是说，不超过电脑核心数量，且没有其他外因（比如网络响应速度等等）的情况下，用4进程可以提升接近4倍的速度！