0x00 前言
前段时间学习了多线程,但在实际的情况中对于多线程的速度实在不满意,所以今天就来学学多进程分布式爬虫,在这里感谢莫烦的Python教程。
0x01 什么是多进程爬虫
在讲述多进程之前,先来回顾一下之前学习的多线程。
对于多线程可以简单的理解成运输快递的货车,虽然在整个运输快递的途中有很多货车参与运输,但快递到你手中的时间并不会因为货车的数量增加而变化多少,甚至可能会因为参与运输的货车数量过多,导致送货时间变慢,因为货物在不断的上货卸货。
当然现实中可不会有人这么干,然而在计算机的世界里,有时却会犯这种错误,这也就是说多线程并不是越多越好。
如果有操作系统的基础,则对于线程与进程的理解会更深刻些,这里继续参照上面的例子,对于线程可以简单的理解成一个线程就是一个货车,而一个进程则是一整条快递运输线路上的货车集合,也就是说一个进程包含了多个线程。
如果在只有一个快递需要运输的时候,使用线程与进程的区别或许不大,但是如果有十件快递、百件快递,使用多进程无疑能够极大的提高效率。
0x02 准备工作
在开始学习多进程之前,先来理一下爬虫思路,这里拿爬取我的博客文章举例,首先先用 requests 访问 temassix.com,之后利用 BeautifulSoup 解析出我博客中的文章链接,接着再利用 requests 访问文章,便完成了一个简单的爬虫。
接下来需要用到的模块:
import time