多进程程的方法使用
from multiprocessing import Process #导入模块
t1 = Process(targe=func,args=(,)) #使用一个进程来执行一个函数
t1.daemon = True #设置为守护进程
t1.start() #此时线程才会启动
多进程中队列的使用
多进程中使用普通的队列模块会发生阻塞,对应的需要使用multiprocessing
提供的JoinableQueue
模块,其使用过程和在线程中使用的queue方法相同
import requests
from lxml import etree
from multiprocessing import Process
from multiprocessing import JoinableQueue as Queue
class QiubaiSpider:
def __init__(self):
self.url_temp = "https://www.qiushibaike.com/8hr/page/{}/"
self.headers = {"User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) \
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36"}
self.url_queue = Queue() #保存url
self.html_queue = Queue() #保存html字符串
self.content_queue = Queue() #保存提取到的数据
def get_url_list(self):
for i in range(1,14):
self.url_queue.put(self.url_temp.format(i))
def parse_url(self):
while True:
url = self.url_queue.get()
html_str = requests.get(url,headers=self.headers).content.decode()
self.html_queue.put(html_str)
self.url_queue.task_done()
def get_content_list(self):
while True:
html_str = self.html_queue.get()
html = etree.HTML(html_str)
div_list = html.xpath("//div[@id='content-left']/div")
content_list = []
for div in div_list:
content = {}
content["content"]=div.xpath(".//div[@class='content']/span/text()")
content_list.append(content)
self.content_queue.put(content_list)
self.html_queue.task_done()
def save_content_list(self):
while True:
content_list = self.content_queue.get()
for content in content_list:
print(content) # 此处对数据进行保存操作
self.content_queue.task_done()
def run(self):
process_list = []
#1. url_list
t_url = Process(target=self.get_url_list)
process_list.append(t_url)
#2. 遍历,发送请求
for i in range(5):#创建5个子进程
t_parse = Process(target=self.parse_url)
process_list.append(t_parse)
#3. 提取数据
t_content = Process(target=self.get_content_list)
process_list.append(t_content)
#4. 保存
t_save = Process(target=self.save_content_list)
process_list.append(t_save)
for t in process_list:
t.daemon=True #把进线程设置为守护线程,主进程技术,子进程结束
t.start()
for q in [self.url_queue,self.html_queue,self.content_queue]:
q.join() #让主进程阻塞
print("主进程结束")
if __name__ == '__main__':
qiubai = QiubaiSpider()
qiubai.run()
上述多进程实现的代码中,multiprocessing提供的JoinableQueue可以创建可连接的共享进程队列。和普通的Queue对象一样,队列允许项目的使用者通知生产者项目已经被成功处理。通知进程是使用共享的信号和条件变量来实现的。 对应的该队列能够和普通队列一样能够调用task_done和join方法