python--(十五步代码学会进程)

一.进程的创建

import time

import os

#os.getpid() 获取自己进程的id号

#os.getppid() 获取自己进程的父进程id号

from multiprocessing import Process

def func():

    print("aaa")

    time.sleep(1)

    print("子进程>>>",os.getpid())

    print("该子进程的父进程>>>",os.getppid())

    print(12345)

if __name__ == "__main__":

    p = Process(target=func,)

    p.start()

    print("*" * 10)

    print("主进程>>>",os.getpid())

    print("父进程>>>",os.getppid())

给要执行的函数传参数

import time

from multiprocessing import Process

def func(x,y):

    print(x)

    time.sleep(1)

    print(y)

if __name__ == "__main__":

    p = Process(target=func,args=("姑娘","来玩啊"))#这是func需要接受的参数的传输方式

    p.start()

    print("父进程执行结束")

二.join方法

import time

from multiprocessing import Process

验证join方法

global_num = 100

def func1():

    time.sleep(2)

    global global_num

    global_num = 0

    print("子进程全局变量>>>",global_num)

if __name__ == "__main__":

    p1 = Process(target=func1,)

    p1.start()

    print("子进程执行")

    time.sleep(3)

    p1.join()#阻塞住,等待你的p1子进程执行sing结束,主进程的程序才能从这里继续往下执行

    print("主进程的全局变量>>>",global_num)

验证了一下并发的执行时间

import time

from multiprocessing import Process

def func1(n):

    time.sleep(n)

    print("func1",n)

def func2(n):

    time.sleep(n)

    print("func2",n)

def func3(n):

    time.sleep(n)

    print("func3",n)

if __name__ == "__main__":

    p1 = Process(target=func1,args=(1,))

    p2 = Process(target=func2,args=(2,))

    p3 = Process(target=func3,args=(3,))

    p1.start()

    p2.start()

    p3.start()

for循环在创建进程中的应用

import time

from multiprocessing import Process

def func1(n):

    time.sleep(1)

    print(n)

if __name__ == "__main__":

    pro_list = []

    for i in range(10):

        p1 = Process(target=func1,args=(i,))

        p1.start()

        pro_list.append(p1)

        # p1.join()

    # for p in pro_list:

    #     # p.join()

    p1.join()

    print("主进程结束")

　　僵尸进程和孤儿进程

import time

import os

from multiprocessing import Process

def func1():

    time.sleep(30)

    print(os.getpid())

    print('子进程')

if __name__ == '__main__':

    p1 = Process(target=func1,)

    p1.start()

    # p1.join()

    # time.sleep(2)

    # print(p1.pid)

    print('主进程的ID',os.getpid())

    print('主进程结束')

三.创建进程的两种方式

import time

from multiprocessing import Process

import os

# import test01

# def func1(n):

#     # time.sleep(1)

#     print(n)

#

# def func2(n):

#     # time.sleep(1)

#     print(n)

#

# def func3(n):

#     # time.sleep(1)

#     print(n)

#

# def func4(n):

#     # time.sleep(1)

#     print(n)

#

# if __name__ == '__main__':

#     p1 = Process(target=func1,args=(1,))

#     p2 = Process(target=func2,args=(2,))

#     p3= Process(target=func3,args=(3,))

#     p4 = Process(target=func4,args=(4,))

#     p1.start() # run()

#     p2.start()

#     p3.start()

#     p4.start()

#     # time.sleep(0.5)

#     print('主进程结束')

    # 之前同步执行的

    # func1(1)

    # func2(2)

    # func3(3)

    # func4(4)

创建进程的第一种方式:

    # p1 = Process(target=func1, args=(1,))

    # p1.start()

创建进行的第二种方式:

    #自己定义一个类,继承Process类,必须写一个run方法,想传参数,自行写init方法,然后执行super父类的init方法

# class MyProcess(Process):

#     def __init__(self,n,name):

#         super().__init__()

#         self.n = n

#         self.name = name

#

#     def run(self):

#         # print(1+1)

#         # print(123)

#         print('子进程的进程ID',os.getpid())

#         print('你看看n>>',self.n)

#

# if __name__ == '__main__':

#     p1 = MyProcess(100,name='子进程1')

#     p1.start() #给操作系统发送创建进程的指令,子进程创建好之后,要被执行,执行的时候就会执行run方法

#     print('p1.name',p1.name)

#     print('p1.pid',p1.pid)

#     print('主进程结束')

四.进程的其他方法terminate is_alive.py

import time

from multiprocessing import Process

def func1():

    time.sleep(2)

    print()

    print("子进程")

if __name__ == "__main__":

    p1 = Process(target=func1,)

    p1.start()

    p1.terminate() #给操作系统发了一个关闭p1子进程的信号,关闭进程

    time.sleep(1)

    print("进程是否还活着:",p1.is_alive())#是返回True,否返回False

    print(p1.pid)

    print("主进程结束")

五.守护进程

#守护的子进程跟着主进程走

import time

import os

from multiprocessing import Process

def func():

    time.sleep(5)

    print('子进程', os.getpid())

if __name__ == '__main__':

    p1 = Process(target=func)

    p1.daemon = True   # 设置守护进程, 当主进程结束时全部子进程立即结束

    p1 .start()

    # time.sleep(5.5)

    print('主进程结束')

六.验证进程之间是空间隔离的

import time

from multiprocessing import Process

#进程之间是空间隔离的,不共享资源

global_num = 100

def func1():

    global global_num

    global_num = 0

    print("子进程全局变量>>>",global_num)

if __name__ == "__main__":

    p1 = Process(target=func1,)

    p1.start()

    time.sleep(1)

    print("主进程的全局变量>>>",global_num)

七.子进程中不能使用input

from multiprocessing import Process

def func1():

    s = input('>>>')

if __name__ == '__main__':

    p1 = Process(target=func1,)

    p1.start()

    # a = input('>>>:')

    print('主进程结束')

##报错

八.进程锁

　　ticket_lock = Lock()#创建锁　　.acquire()#加锁,　　.release()#解锁

同步锁的作用:#加锁可以保证多个进程修改同一块数据时，同一时间只能有一个任务可以进行修改，即串行的修改，没错，速度是慢了，但牺牲了速度却保证了数据安全。 # 虽然可以用文件共享数据实现进程间通信，但问题是：
 # 1.效率低（共享数据基于文件，而文件是硬盘上的数据） # 2.需要自己加锁处理

import json

import time

import random

from multiprocessing import Process,Lock

def get_ticket(i,ticket_lock):

    print("我们都到齐了,大家预备!!123")

    time.sleep(1)

    #所有代码 异步执行,到这里等待,同时再去抢下面的代码执行

    ticket_lock.acquire()

    #这里有个门,只有一个人能够抢到这个钥匙,加锁

    with open("ticket","r") as f:

        last_ticket_info = json.load(f)

        #将文件数据load为字典类型的数据

    last_ticket = last_ticket_info["count"]

    print(last_ticket)

    #查看一下余票的信息

    if last_ticket > 0:

        #如果看到余票大于零,说明你可以抢到票

        time.sleep(random.random())

        #模拟网络延迟时间

        last_ticket = last_ticket - 1

        last_ticket_info["count"] = last_ticket

        with open("ticket","w") as f:

            #将修改后的参数写回文件

            json.dump(last_ticket_info,f)

        print("%s号抢到了,丫nb!" % i)

    else:

        print("%s号傻逼,没票了,明年再来" % i)

        ticket_lock.release()

if __name__ ==  "__main__":

    ticket_lock = Lock()

    #创建一个进程锁

    for i in range(10):

        p = Process(target=get_ticket, args=(i, ticket_lock))

        p.start()

进程锁模拟购票系统

九.信号量

Semaphore()
互斥锁同时只允许一个线程更改数据，而信号量Semaphore是同时允许一定数量的线程更改数据 。
假设商场里有4个迷你唱吧，所以同时可以进去4个人，如果来了第五个人就要在外面等待，等到有人出来才能再进去玩。
实现：
信号量同步基于内部计数器，每调用一次acquire()，计数器减1；每调用一次release()，计数器加1.当计数器为0时，acquire()调用被阻塞。这是迪科斯彻（Dijkstra）信号量概念P()和V()的Python实现。信号量同步机制适用于访问像服务器这样的有限资源。
信号量与进程池的概念很像，但是要区分开，信号量涉及到加锁的概念

import time

import random

from multiprocessing import Process,Semaphore

def dbj(i,s):

    s.acquire()

    print('%s号男主人公来洗脚'%i)

    print('-------------')

    time.sleep(random.randrange(3,6))

    # print(time.time())

    s.release()

if __name__ == '__main__':

    s = Semaphore(4) #创建一个计数器,每次acquire就减1,直到减到0,那么上面的任务只有4个在同时异步的执行,后面的进程需要等待.

    for i in range(10):

        p1 = Process(target=dbj,args=(i,s,))

        p1.start()

十.事件

e = Event()#　　e.set()#将e改为True　　e.clear()   # 将e改为False
python线程的事件用于主线程控制其他线程的执行，事件主要提供了三个方法 set、wait、clear。

    事件处理的机制：全局定义了一个“Flag”，如果“Flag”值为 False，那么当程序执行 event.wait 方法时就会阻塞，如果“Flag”值为True，那么event.wait 方法时便不再阻塞。

from multiprocessing import Process, Event

e = Event() #False True

print(e.is_set())

e.set() #将e事件的状态改为True

print("在这里等待")

e.clar()   #将e事件的状态改为False

print("")

e.wait()

print("是真的吗")

import time

from multiprocessing import Process,Event

#模拟红绿灯执行状态的函数

def traffic_lights(e):

    while 1:

        print("红灯啦")

        time.sleep(5)

        e.set() #将e改为True

        print("绿灯了")

        time.sleep(3)

        e.clear()   #将e改为False

def car(i,e):

    if not e.is_set():  #新来的车看到的是红灯

        print("我们在等待....")

        e.wait()

        print("走你")

    else:

        print("可以走了!!!")

if __name__ == "__main__":

    e = Event()

    hld = Process(target=traffic_lights, args=(e,))

    hld.start()

    while 1:

        time.sleep(0.5)

        #创建10个车

        for i in range(3):

            p1 = Process(target=car,args=(i,e,))

            p1.start()

Even模拟红绿灯

十一.队列

# 遵循先进先出的原则   q = Queue(3)    创建3个队列 q.put()发送数据  q.get()接受数据

q = Queue([maxsize])  #创建共享的进程队列

q.get( [ block [ ,timeout ] ] )  #返回q中的一个项目。如果q为空，此方法将阻塞，直到队列中有项目可用为止。block用于控制阻塞行为，默认为True. 如果设置为False，将引发Queue.Empty异常（定义在Queue模块中）。timeout是可选超时时间，用在阻塞模式中。如果在制定的时间间隔内没有项目变为可用，将引发Queue.Empty异常。

q.get_nowait( ) #和q.get(False)方法,一样

q.put(item [, block [,timeout ] ] ) #将item放入队列。如果队列已满，此方法将阻塞至有空间可用为止。block控制阻塞行为，默认为True。如果设置为False，将引发Queue.Empty异常（定义在Queue库模块中）。timeout指定在阻塞模式中等待可用空间的时间长短。超时后将引发Queue.Full异常。

q.qsize() #返回队列中目前项目的正确数量。此函数的结果并不可靠，因为在返回结果和在稍后程序中使用结果之间，队列中可能添加或删除了项目。在某些系统上，此方法可能引发NotImplementedError异常。

q.empty() #如果调用此方法时 q为空，返回True。如果其他进程或线程正在往队列中添加项目，结果是不可靠的。也就是说，在返回和使用结果之间，队列中可能已经加入新的项目。

.full() #如果q已满，返回为True. 由于线程的存在，结果也可能是不可靠的（参考q.empty（）方法）。。

q.close() #关闭队列，防止队列中加入更多数据。调用此方法时，后台线程将继续写入那些已入队列但尚未写入的数据，但将在此方法完成时马上关闭。如果q被垃圾收集，将自动调用此方法。关闭队列不会在队列使用者中生成任何类型的数据结束信号或异常。例如，如果某个使用者正被阻塞在get（）操作上，关闭生产者中的队列不会导致get（）方法返回错误。

q.cancel_join_thread()  #不会再进程退出时自动连接后台线程。这可以防止join_thread()方法阻塞。

q.join_thread() #连接队列的后台线程。此方法用于在调用q.close()方法后，等待所有队列项被消耗。默认情况下，此方法由不是q的原始创建者的所有进程调用。调用q.cancel_join_thread()方法可以禁止这种行为。

队列的相关方法

from multiprocessing import Process,Queue

#先进先出

q = Queue(3)

q.put(1)

q.put(2)

# print(q.full()) #q.full()队列满了返回True,不满返回False

q.put(3)

# print('>>>>',q.full())

q.get_nowait()= ()  #不会阻塞住,相当于空队列

# try:

#     q.get(False)  # queue.Empty

#     q.get_nowait() #queue.Empty

# except:

#     print('队列目前是空的')

# while 1:

#     try:

#         q.get(False)  #queue.Empty

#     except:

#         print('队列目前是空的')

　　队列实现进程的通信

import time

from multiprocessing import Process,Queue

def girl(q):

    print('来自boy的信息',q.get())

    print('来自校领导的凝视',q.get())

def boy(q):

    q.put('约吗')

if __name__ == '__main__':

    q = Queue(5)

    boy_p = Process(target=boy,args=(q,))

    girl_p = Process(target=girl,args=(q,))

    boy_p.start()

    girl_p.start()

    time.sleep(1)

    q.put('好好工作,别乱搞')

队列实现进程的通信

十二.生产者消费者模式

#生产者消费者模型总结

    #程序中有两类角色

        一类负责生产数据（生产者）

        一类负责处理数据（消费者）

    #引入生产者消费者模型为了解决的问题是：

        平衡生产者与消费者之间的工作能力，从而提高程序整体处理数据的速度

    #如何实现：

        生产者<-->队列<——>消费者

    #生产者消费者模型实现类程序的解耦和

import time

from multiprocessing import Process,Queue

def producer(q):

    for i in range(1,11):

        time.sleep(1)

        print('生产了包子%s号' % i)

        q.put(i)

    q.put(None)  #针对第三个版本的消费者,往队列里面加了一个结束信号

#版本1

# def consumer(q):

#     while 1:

#         time.sleep(2)

#         s = q.get()

#         print('消费者吃了%s包子' % s)

#版本2

# def consumer(q):

#     while 1:

#         time.sleep(0.5)

#         try:

#             s = q.get(False)

#             print('消费者吃了%s包子' % s)

#         except:

#             break

def consumer(q):

    while 1:

        time.sleep(2)

        s = q.get()

        if s == None:

            break

        else:

            print('消费者吃了%s包子' % s)

生产者消费者模型

生产者消费者模型

import time

from multiprocessing import Process,Queue

def producer(q):

    for i in range(1,11):

        time.sleep(1)

        print('生产了包子%s号' % i)

        q.put(i)

def consumer(q):

    while 1:

        time.sleep(2)

        s = q.get()

        if s == None:

            break

        else:

            print('消费者吃了%s包子' % s)

if __name__ == '__main__':

    #通过队列来模拟缓冲区,大小设置为20

    q = Queue(20)

    #生产者进程

    pro_p = Process(target=producer,args=(q,))

    pro_p.start()

    #消费者进程

    con_p = Process(target=consumer,args=(q,))

    con_p.start()

    pro_p.join()

    q.put(None)

生产者消费者模型主进程发送结束信号

 #生产者消费者模型

 import time

 from multiprocessing import Process,Queue,JoinableQueue

 def producer(q):

     for i in range(1,11):

         time.sleep(0.5)

         print('生产了包子%s号' % i)

         q.put(i)

     q.join()

     print('在这里等你')

 def consumer(q):

     while 1:

         time.sleep(1)

         s = q.get()

         print('消费者吃了%s包子' % s)

         q.task_done()  #给q对象发送一个任务结束的信号

 if __name__ == '__main__':

     #通过队列来模拟缓冲区,大小设置为20

     q = JoinableQueue(20)

     #生产者进程

     pro_p = Process(target=producer,args=(q,))

     pro_p.start()

     #消费者进程

     con_p = Process(target=consumer,args=(q,))

     con_p.daemon = True #

     con_p.start()

     pro_p.join()

     print('主进程结束')

JoinableQueue的生产者消费者模型

十三.管道

 from multiprocessing import Process,Pipe

conn1,conn2 = Pipe()
进程间通信（IPC）方式二：管道（不推荐使用，了解即可），会导致数据不安全的情况出现

# 管道

from multiprocessing import Process,Pipe

import time

# conn1,conn2 = Pipe()

# conn1.send("你好")

# print(">>>>>")

# msg = conn2.recv()

# print(msg)

# def func1(conn2):

#     try:

#         msg = conn2.recv()

#         print(">>>",msg)

#         #如果管道一端关闭了,那么另外一端在接收消息的时候回报错

#     except EOFError:

#         print("对方管道一端已经关闭")

#         conn2.close()

# if __name__ == '__main__':

#     conn1,conn2 = Pipe()

#     p = Process(target=func1,args=(conn2,))

#     p.start()

#     conn1.send("收到了吗")

def func1(conn1,conn2):

    msg = conn2.recv()  #阻塞

    print(">>>>",msg)

if __name__ == '__main__':

    conn1,conn2 = Pipe()

    p = Process(target=func1, args=(conn1, conn2,))

    p.start()

    conn1.send("收到了吗")

    conn1.close()

    #conn1.recv()        #OSError: handle is closed

十四.数据共享(不安全)

# 数据共享

# from multiprocessing import Process,Manager

#

# def func(m_dic):

#     m_dic["辉哥"] = "辉哥大帅比"

# if __name__ == '__main__':

#     m = Manager()

#     m_dic = m.dict({"辉哥":"辉哥帅不帅"})

#     print("主进程",m_dic)

#     p = Process(target=func, args=(m_dic,))

#     p.start()

#     p.join()

#     print("主进程2",m_dic)

# 数据共享manager不安全

# from multiprocessing import Process,Manager,Lock

# def func(m_dic, ml):

#     """不加锁的情况会出现数据错乱

#         m_dic["count"] -= 1

#         下面是加锁的另一种形式

#         等同 : ml.acquire()

#                m_dic["count"] -= 1

#                ml.release()"""

#     with ml:

#         m_dic["count"] -= 1

# if __name__ == '__main__':

#     m = Manager()

#     ml = Lock()

#     m_dic = m.dict({"count":100})

#     p_list = []

#     for i in range(20):

#         p1 = Process(target=func,args=(m_dic, ml,))

#         p1.start()

#         p_list.append(p1)

#     [pp.join() for pp in p_list]

#     print("主进程",m_dic)

十五.进程池

　　multiprocess.Poll模块

创建进程池的类：如果指定numprocess为3，则进程池会从无到有创建三个进程，然后自始至终使用这三个进程去执行所有任务（高级一些的进程池可以根据你的并发量，搞成动态增加或减少进程池中的进程数量的操作），不会开启其他进程，提高操作系统效率，减少空间的占用等。

进程池相关方法:

p.apply(func [, args [, kwargs]]):
在一个池工作进程中执行func(*args,**kwargs),然后返回结果。

'''需要强调的是：此操作并不会在所有池工作进程中并执行func函数。如果要通过不同参数并发地执行func函数，必须从不同线程调用p.apply()函数或者使用p.apply_async()'''

p.apply_async(func [, args [, kwargs]]):
在一个池工作进程中执行func(*args,**kwargs),然后返回结果。

'''此方法的结果是AsyncResult类的实例，callback是可调用对象，接收输入参数。当func的结果变为可用时，将理解传递给callback。callback禁止执行任何阻塞操作，否则将接收其他异步操作中的结果。'''

p.close():
关闭进程池，防止进一步操作。如果所有操作持续挂起，它们将在工作进程终止前完成

P.jion():
等待所有工作进程退出。此方法只能在close（）或teminate()之后调用

方法apply_async()和map_async（）的返回值是AsyncResul的实例obj。实例具有以下方法

obj.get():返回结果，如果有必要则等待结果到达。timeout是可选的。如果在指定时间内还没有到达，将引发一场。如果远程操作中引发了异常，它将在调用此方法时再次被引发。

obj.ready():如果调用完成，返回True

obj.successful():如果调用完成且没有引发异常，返回True，如果在结果就绪之前调用此方法，引发异常

obj.wait([timeout]):等待结果变为可用。

obj.terminate()：立即终止所有工作进程，同时不执行任何清理或结束任何挂起工作。如果p被垃圾回收，将自动调用此函数

import time

from multiprocessing import Process,Pool

def func(n):

    print(n)

if __name__ == '__main__':

    pool = Pool(4)

    # pool.map(func,range(100)) #参数是可迭代的

    pool.map(func,['sb',(1,2)]) #参数是可迭代的

进程池的map传参

# 进程池

import time

from multiprocessing import Process,Pool

def func(n):

    for i in range(5):

        time.sleep(1)

        n= n + i

    print(n)

if __name__ == '__main__':

    #用时间验证一下传参

    pool_start_time = time.time()

    pool = Pool(4) #4个进程

    pool.map(func,range(100))

    #map(方法,可迭代对象) 映射 自带join功能,异步执行任务

    pool_end_time = time.time()

    pool_dif_time = pool_end_time - pool_start_time

    #多进程的执行时间

    # p_s_time = time.time()

    # p_list = []

    # for i in range(200):

    #     p1 = Process(target=func, args=(i,))

    #     p1.start()

    #     p_list.append(p1)

    # [p.join() for p in p_list]

    # p_e_time = time.time()

    # p_dif_time = p_e_time - p_s_time

    print('进程池的执行时间', pool_dif_time)

    print('多进程的执行时间', p_dif_time)

进程池和多进程时间对比

import time

from multiprocessing import Process,Pool

def fun(i):

    time.sleep(0.5)

    return i**2

if __name__ == '__main__':

    p = Pool(4)

    for i in range(10):

        res = p.apply(fun,args=(i,))

        # apply 同步执行的进程方法,他会等待你的任务的返回结果

        print(res)

进程池的同步方法 apply

import time

from multiprocessing import Process,Pool

def fun(i):

    time.sleep(1)

    print(i)

    return i**2

if __name__ == '__main__':

    p = Pool(4)

    res_list = []

    for i in range(10):

        res = p.apply_async(fun,args=(i,))

        # #同步执行的方法,他会等待你的任务的返回结果,

        res_list.append(res)

    p.close() # 不是关闭进程池,而是不允许再有其他任务来使用进程池

    p.join()  # 这是感知进程池中任务的方法,进程池中所有的进程随着主进程的结束而结束了,等待进程池的任务全部执行完

    for e_res in res_list:

        print("结果", e_res.get())

进程池的异步方法apply_async

回调函数:

需要回调函数的场景：进程池中任何一个任务一旦处理完了，就立即告知主进程：我好了额，你可以处理我的结果了。主进程则调用一个函数去处理该结果，该函数即回调函数，这是进程池特有的，普通进程没有这个机制，但是我们也可以通过进程通信来拿到返回值，进程池的这个回调也是进程通信的机制完成的。

我们可以把耗时间（阻塞）的任务放到进程池中，然后指定回调函数（主进程负责执行），这样主进程在执行回调函数时就省去了I/O的过程，直接拿到的是任务的结果

import os

from multiprocessing import Pool

def func1(n):

    print('func1>>',os.getpid())

    # print('func1')

    return n*n

def func2(nn):

    print('func2>>',os.getpid())

    # print('func2')

    print(nn)

    # import time

    # time.sleep(0.5)

if __name__ == '__main__':

    print('主进程：',os.getpid())

    p = Pool(4)

    p.apply_async(func1,args=(10,),callback=func2)

    p.close()

    p.join()

进程池的回调函数

进程池版的socket并发聊天代码示例:

#Pool内的进程数默认是cpu核数，假设为4（查看方法os.cpu_count()）

#开启6个客户端，会发现2个客户端处于等待状态

#在每个进程内查看pid，会发现pid使用为4个，即多个客户端公用4个进程

from socket import *

from multiprocessing import Pool

import os

server=socket(AF_INET,SOCK_STREAM)

server.setsockopt(SOL_SOCKET,SO_REUSEADDR,1)

server.bind(('127.0.0.1',8080))

server.listen(5)

def talk(conn):

    print('进程pid: %s' %os.getpid())

    while True:

        try:

            msg=conn.recv(1024)

            if not msg:break

            conn.send(msg.upper())

        except Exception:

            break

if __name__ == '__main__':

    p=Pool(4)

    while True:

        conn,*_=server.accept()

        p.apply_async(talk,args=(conn,))

        # p.apply(talk,args=(conn,client_addr)) #同步的话，则同一时间只有一个客户端能访问

复制代码

sserver 服务端:ftp

from socket import *

client=socket(AF_INET,SOCK_STREAM)

client.connect(('127.0.0.1',8080))

while True:

    msg=input('>>: ').strip()

    if not msg:continue

    client.send(msg.encode('utf-8'))

    msg=client.recv(1024)

    print(msg.decode('utf-8'))

client 用户端:ftp

进程池中爬虫示例:

from multiprocessing import Pool

import time,random

import requests

import re

def get_page(url,pattern):

    response=requests.get(url)

    if response.status_code == 200:

        return (response.text,pattern)

def parse_page(info):

    page_content,pattern=info

    res=re.findall(pattern,page_content)

    for item in res:

        dic={

            'index':item[0],

            'title':item[1],

            'actor':item[2].strip()[3:],

            'time':item[3][5:],

            'score':item[4]+item[5]

        }

        print(dic)

if __name__ == '__main__':

    pattern1=re.compile(r'<dd>.*?board-index.*?>(\d+)<.*?title="(.*?)".*?star.*?>(.*?)<.*?releasetime.*?>(.*?)<.*?integer.*?>(.*?)<.*?fraction.*?>(.*?)<',re.S)

    url_dic={

        'http://maoyan.com/board/7':pattern1,

    }

    p=Pool()

    res_l=[]

    for url,pattern in url_dic.items():

        res=p.apply_async(get_page,args=(url,pattern),callback=parse_page)

        res_l.append(res)

    for i in res_l:

        i.get()

    # res=requests.get('http://maoyan.com/board/7')

    # print(re.findall(pattern,res.text))

爬虫示例

python--(十五步代码学会进程)的更多相关文章

python--(十步代码学会线程)
python--(十步代码学会线程) 一.线程的创建 Thread实例对象的方法 # isAlive(): 返回线程是否活动的. # getname(): 返回线程名. # setName(): 设置 ...
Py修行路 python基础（二十五）线程与进程
操作系统是用户和硬件沟通的桥梁操作系统,位于底层硬件与应用软件之间的一层工作方式:向下管理硬件,向上提供接口操作系统进行切换操作: 把CPU的使用权切换给不同的进程. 1.出现IO操作 2.固定 ...
selenium-webdriver(python) (十五) -- 鼠标事件
本节重点: ActionChains 类 context_click() 右击 double_click() 双击 drag_and_drop() 拖动测试的产品中有一个操作是右键点击文件列 ...
python(第五步django)
这是一个关于,web开发的库, 下一步需要重点掌握的是,网页跳转和数据展示,和面向对象的关系的重用的内容 1:目前掌握的是project 的创建,和app的创建, 2:
第十五章、python中的进程操作-开启多进程
目录第十五章.python中的进程操作-开启多进程一.multprocess模块二.multprocess.process模块三.Process()对象方法介绍四.Process()对象属性 ...
python3.4学习笔记(二十五) Python 调用mysql redis实例代码
python3.4学习笔记(二十五) Python 调用mysql redis实例代码 #coding: utf-8 __author__ = 'zdz8207' #python2.7 import ...
孤荷凌寒自学python第八十五天配置selenium并进行模拟浏览器操作1
孤荷凌寒自学python第八十五天配置selenium并进行模拟浏览器操作1 (完整学习过程屏幕记录视频地址在文末) 要模拟进行浏览器操作,只用requests是不行的,因此今天了解到有专门的解决方案 ...
孤荷凌寒自学python第七十五天开始写Python的第一个爬虫5
孤荷凌寒自学python第七十五天开始写Python的第一个爬虫5 (完整学习过程屏幕记录视频地址在文末) 今天在上一天的基础上继续完成对我的第一个代码程序的书写. 直接上代码.详细过程见文末屏幕录像 ...
孤荷凌寒自学python第五十四天使用python来删除Firebase数据库中的文档
孤荷凌寒自学python第五十四天使用python来删除Firebase数据库中的文档 (完整学习过程屏幕记录视频地址在文末) 今天继续研究Firebase数据库,利用google免费提供的这个数据库 ...

随机推荐

測试赛D - The War（有控制范围的贪心）
D - The War Time Limit:2000MS Memory Limit:65536KB 64bit IO Format:%lld & %llu Submit St ...
【转】Android Fragment中使用SurfaceView切换时闪一下黑屏的解决办法
重构了下之前自己的一个新闻客户端,全部使用了Fragment来进行页面切换,只有一个入口Activity作为程序的启动Activity,其中有一个界面需要调用摄像头识别二维码, 于是就会用到Surfa ...
ALSA声卡驱动中的DAPM详解之六：精髓所在，牵一发而动全身
设计dapm的主要目的之一,就是希望声卡上的各种部件的电源按需分配,需要的就上电,不需要的就下电,使得整个音频系统总是处于最小的耗电状态,最主要的就是,这一切对用户空间的应用程序是透明的,也就是说,用 ...
【SQL Server】SQL触发器经验详解
[SQL Server]SQL触发器经验详解 | 浏览: 4314 | 更新: 2013-01-07 15:33 25 11 全文阅读分步阅读加入杂志步骤 1 2 3 4 5 6 7 8 ...
luogu 1939 【模板】矩阵加速（数列）
题目大意: a[1]=a[2]=a[3]=1 a[x]=a[x-3]+a[x-1] (x>3) 求a数列的第n项%1000000007 思路: 使用矩阵快速幂进行加速在草稿纸上填了填数然后就 ...
openStack Packages yum upgrade
依赖关系解决 ============================================================================================= ...
mysql_mssql_access_2017年最新手机号段归属地数据库(17年4月更新)360569记录
mysql,mssql,access 三种格式免费分享给大家,末尾有下载地址 2017年4月最新版手机号段归属地,也叫手机归属地数据库共360569条记录,三种格式:MYSQL,MSSQL,acc ...
html5做的一个激光条
<!DOCTYPE HTML><html lang="zh-cn"><head> <title>CSS3激光加载条</titl ...
codevs3728联合权值（LCA）
3728 联合权值时间限制: 1 s 空间限制: 128000 KB 题目等级 : 黄金 Gold 题解查看运行结果题目描述 Description 输入描述 Input Des ...
[Swift通天遁地]三、手势与图表-(10)创建包含圆点、方形、三角形图标的散点图表
★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★➤微信公众号:山青咏芝(shanqingyongzhi)➤博客园地址:山青咏芝(https://www.cnblogs. ...

python--(十五步代码学会进程)

python--(十五步代码学会进程)的更多相关文章

随机推荐

热门专题