進(jìn)程，線程

········進(jìn)程，能夠完成多任務(wù)，比如在一臺(tái)電腦上能夠同時(shí)運(yùn)行多個(gè)QQ
········線程，能夠完成多任務(wù)，比如一個(gè)QQ中的多個(gè)聊天窗口
········進(jìn)程是系統(tǒng)進(jìn)行資源分配基本單位
········線程是進(jìn)程的一個(gè)實(shí)體，是CPU調(diào)度和分派的基本單位，它是比進(jìn)程更小的能獨(dú)立運(yùn)行的基本單位
····線程自己基本上不擁有系統(tǒng)資源,只擁有一點(diǎn)在運(yùn)行中必不可少的資源(如程序計(jì)數(shù)器,一組寄存器和棧),但是它可與同屬一個(gè)進(jìn)程的其他的線程共享所在進(jìn)程所擁有的全部資源

區(qū)別：

一個(gè)程序至少有一個(gè)進(jìn)程，一個(gè)進(jìn)程至少有一個(gè)線程

線程的劃分尺度小于進(jìn)程（資源比進(jìn)程少），使得多線程程序的并發(fā)性高
進(jìn)程在執(zhí)行過程中擁有獨(dú)立的內(nèi)存單元，而多個(gè)線程共享內(nèi)存，從而極大提高了程序的運(yùn)行效率
線線程不能夠獨(dú)立執(zhí)行，必須依存在進(jìn)程中
線程和進(jìn)程在使用上各有優(yōu)缺點(diǎn)：線程執(zhí)行開銷小，但不利于資源的管理和保護(hù)；而進(jìn)程正相反。
多進(jìn)程常用來處理計(jì)算密集型任務(wù)
多線程常用來處理IO密集型任務(wù)

隊(duì)列

創(chuàng)建一個(gè)隊(duì)列：queue_obj = queue.Queue(maxsize=30)
maxsize :表示允許存儲(chǔ)的最
(FIFO) : 對(duì)列--先進(jìn)先出
存值 ： queue_obj.put( )

取值 ： queue_obj.get( )
獲取隊(duì)列的大小 ： queue_obj.qsize( )
判斷隊(duì)列是否滿 ： queue_obj.full( )
判斷隊(duì)列是否為空 ： queue_obj.empty()
注意 ： 隊(duì)列是線程安全的,list,dict 是非線程安全的，使用的時(shí)候最好使用線程鎖

Scrapy 框架

Scrapy是用純Python實(shí)現(xiàn)一個(gè)為了爬取網(wǎng)站數(shù)據(jù)、提取結(jié)構(gòu)性數(shù)據(jù)而編寫的應(yīng)用框架，用途非常廣泛。
框架的力量，用戶只需要定制開發(fā)幾個(gè)模塊就可以輕松的實(shí)現(xiàn)一個(gè)爬蟲，用來抓取網(wǎng)頁內(nèi)容以及各種圖片，非常之方便。
Scrapy 使用了 Twisted['tw?st?d] 異步網(wǎng)絡(luò)框架來處理網(wǎng)絡(luò)通訊，可以加快我們的下載速度，不用自己去實(shí)現(xiàn)異步框架，并且包含了各種中間件接口，可以靈活的完成各種需求。
Scrapy Engine(引擎): 負(fù)責(zé)Spider、ItemPipeline、Downloader、Scheduler中間的通訊，信號(hào)、數(shù)據(jù)傳遞等。
Scheduler(調(diào)度器): 它負(fù)責(zé)接受引擎發(fā)送過來的Request請(qǐng)求，并按照一定的方式進(jìn)行整理排列，入隊(duì)，當(dāng)引擎需要時(shí)，交還給引擎。
Downloader（下載器）：負(fù)責(zé)下載Scrapy Engine(引擎)發(fā)送的所有Requests請(qǐng)求，并將其獲取到的Responses交還給Scrapy Engine(引擎)，由引擎交給Spider來處理，
Spider（爬蟲）：它負(fù)責(zé)處理所有Responses,從中分析提取數(shù)據(jù)，獲取Item字段需要的數(shù)據(jù)，并將需要跟進(jìn)的URL提交給引擎，再次進(jìn)入Scheduler(調(diào)度器)，
Item Pipeline(管道)：它負(fù)責(zé)處理Spider中獲取到的Item，并進(jìn)行進(jìn)行后期處理（詳細(xì)分析、過濾、存儲(chǔ)等）的地方.

Downloader Middlewares（下載中間件）：你可以當(dāng)作是一個(gè)可以自定義擴(kuò)展下載功能的組件。
Spider Middlewares（Spider中間件）：你可以理解為是一個(gè)可以自定擴(kuò)展和操作引擎和Spider中間通信的功能組件（比如進(jìn)入Spider的Responses;和從Spider出去的Requests）

scrapy基本介紹

創(chuàng)建一個(gè)項(xiàng)目scrapy startproject projectname(項(xiàng)目名稱)

進(jìn)入到spidres文件夾中創(chuàng)建爬蟲文件scrapy genspider 爬蟲文件名稱　網(wǎng)站的域
使用pycharm打開項(xiàng)目，設(shè)置虛擬環(huán)境scrapy項(xiàng)目的框架

chinaz：項(xiàng)目文件夾
spiders:爬蟲文件（存放所有的爬蟲文件）
zzw.py:爬蟲文件（解析response響應(yīng)，提取目標(biāo)數(shù)據(jù)和url）
items.py:編寫要爬取的字段

middlewares.py:中間件（爬蟲中間件,下載中間件）

pipelines.py:數(shù)據(jù)管道（在這里做數(shù)據(jù)持久化）
settings.py:設(shè)置文件（設(shè)置請(qǐng)求頭，設(shè)置下載延遲，設(shè)置是否遵守robot協(xié)議,以及激活管道……）
scrapy.cfg:配置文件（部署項(xiàng)目時(shí)會(huì)使用到）