使用Python爬取小说(多进程版)

最新推荐文章于 2024-04-12 13:59:14 发布

程序猿洋洋

最新推荐文章于 2024-04-12 13:59:14 发布

阅读量1.7k

点赞数 2

分类专栏： Python 文章标签： Python 爬虫多进程小说 requests

本文链接：https://blog.csdn.net/hhy1107786871/article/details/88177482

版权

博主改进了之前的Python小说爬虫程序，通过采用多进程方式显著提高了爬取速度，以解决单线程效率低的问题。由于Python的GIL锁限制，多线程无法充分利用多核优势。在多进程模式下，每个进程独立运行，避免了GIL的影响，实现类似多线程的并行效果。测试结果显示，改进后的爬虫每秒能爬取1.5到6章，但为了避免被服务器封禁，可能需要适当加入休眠机制。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

吐槽一下

前面写的爬取小说的程序，感觉爬起来太慢了，1秒钟才爬1章，因此我把它改成了多进程版的，至于为什么要用多进程而不用多线程，是因为Python有一个坑爹的GIL锁，就是有了这个玩意儿，使得Python的多线程的效率变得很低，因为GIL规定同一时刻只能有一个线程可以执行，因此Python的多线程并不是真正的多线程。但是多进程就不一样了，不同的进程访问的是不同的资源，各个进程之间可以互不影响，可以达到类似于多线程的效果。

话不多说，直接上代码：

import requests
import random
from lxml import etree
import os
import time
from multiprocessing import Process


# 爬取的主域名
HOST = 'http://www.biqugecom.com'
# User-Agent
user_agent = [
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1"
    "Mozilla/5.0 (X11; CrOS i686 2268.111.0) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1092.0 Safari/536.6",
    "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1090.0 Safari/536.6",
    "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/19.77.34.5 Safari/537.1",
    "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.9 Safari/536.5",
    "Mozilla/5.0 (Windows NT 6.0) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.36 Safari/536.5",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3",
    "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3",
    "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_0) AppleWebKit/536.3 (KHTML, like Gecko) Ch

最低0.47元/天解锁文章