最近学习了一下python的多进程和多线程，于是就想到使用进程去现实一个爬虫。通过比较实用多进程比使用普通函数的效率更高，节省了大量的时间。话不多说，看下面的代码，希望对各位有所帮助。
1 import os, sys, io, urllib, requests, re, chardet, time 2 import multiprocessing 3 4 #设置系统输出流的编码为utf-8 5 sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf8') 6 7 headers = { 8 'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Mobile Safari/537.36' 9 }10 11 url = 'http://www.ivsky.com/tupian/ziranfengguang/'12 13 def Schedule(blocknum, blocksize, totalsize):14 """15 blocknum:已经下载的数据块16 blocksize:数据块的大小17 totalsize:远程文件的大小18 """19 per = blocknum * blocksize / totalsize * 100.020 if per > 100:21 per = 10022 print('当前下载进度： %.2f%%'%per)23 24 def download_page():25 try:26 res = requests.get(url, headers=headers)27 if res.status_code == 200:28 res.encoding = chardet.detect(res.content).get('encoding')#通过chardet库的detect方法获取页面的编码29 return res.text30 except requests.HTTPError as e:31 return None32 33 def parser_html(html):34 if not html:35 return36 patt = re.compile(r'', re.S)#获取图片的链接和名字37 content = re.findall(patt, html)38 return content #返回图片链接和名字列表39 40 def download_pic(url, name):41 if not os.path.exists(r'./pic'):42 os.mkdir(r'./pic')43 filename = './pic/{}.jpg'.format(name)44 print('开始下载:{}'.format(name))45 urllib.request.urlretrieve(url, filename, Schedule)#使用urllib.request.urlretrieve方法下载图片并返回当前下载进度46 time.sleep(1)47 48 if __name__ == '__main__':49 html = download_page()50 contents = parser_html(html)51 for content in contents:52 p = multiprocessing.Process(target=download_pic, args=(content[0],content[1]))53 #启动进程和连接进程54 p.start()55 p.join()下面是使用多进程和普通函数分别爬取图片的结果
多进程
普通函数
读者可以去试着运行一下，虽然这一段程序在使用多进程的时候比使用普通函数用时长（只有28张图片），但是读者可以自己试着将每一个超链接下的图片全部爬取，最后在比较效率。
原文出处：https://www.cnblogs.com/Lvg3687/p/9426948.html
