Question

我正在尝试抓取某些网页，并且每个网页大约需要2s，而我有2万，所以我决定使用 multiprocessing 库创建多个进程来同时抓取这些网页。

我的设置是一个带有以前解析的数据和“新数据”字典的pandas数据框。由于我不知道是否需要抓取网页或是否已抓取网页，因此我创建了 multiprocessing.Queue 实例以及 multiprocessing.Manager.dict（）。我有一个 queueFill 函数，该函数验证数据是否在数据帧中，如果没有，则将有问题的链接放在multiprocessing.Queue实例中。还有一个可以从multiprocessing.Queue中获取项目的函数 getData ，它从队列中获取一个链接，下载并解析它，并将其添加到“新数据”字典中。

我正在尝试创建一个执行 queueFill 函数和一个执行 getData 函数的进程：

manager = multiprocessing.Manager()
newPlayersDict = manager.dict()
errorsDict = manager.dict()
i=0
linklen = str(len(linklist))
q = multiprocessing.Queue()


if 'playersDF' in globals():
    p1 = multiprocessing.Process(target=queueFill,args=(playersDF,q,linklist))
else:
    p1 = multiprocessing.Process(target=queueFill,args=(None,q,linklist))

p2 = multiprocessing.Process(target=getData,args=(q,newPlayersDict,errorsDict,linklen,i))
time.sleep(0.5)
p1.start()
p2.start()

p1.join()
p2.join()

但是，运行此命令使我在行上出现 [Errno 32]断管：

p1.start()

我不明白为什么会这样。即使将 queueFill 函数修改为立即返回，该错误仍然会发生。有人可以帮助我了解为什么会发生此错误，以及如何解决该错误吗？

Answer 1

回答我自己的问题，以便将来的人们保持理智：

事实证明，多处理并不是真的喜欢在IPython / Jupyter笔记本中运行。将代码移到具有__name__检查的单独的独立脚本中后，输出将按预期进行。

Errno 32 multiprocessing.Queue管道损坏

1 个答案: