multiprocessing本身是Python的多进程库，用来处理与多进程相关的操作。但是由于进程与进程之间不能直接共享内存和堆栈资源，而且启动新的进程开销也比线程大得多，因此使用多线程来爬取比使用多进程有更多的优势。multiprocessing下面有一个dummy模块，它可以让Python的线程使用multiprocessing的各种方法。
dummy下面有一个Pool类，它用来实现线程池。这个线程池有一个map()方法，可以让线程池里面的所有线程都“同时”执行一个函数。
例如计算0～9的每个数的平方。
在学习了for循环之后，代码可能会写成这样：
for i in range(10):
print(i ** i)
这种写法当然可以得到结果，但是代码是一个数一个数地计算，效率并不高。而如果使用多线程的技术，让代码同时计算很多个数的平方，就需要使用multiprocessing.dummy来实现：
from multiprocessing.dummy import Pooldef calc_power2(num):return num * numpool = Pool(3)origin_num = [x for x in range(10)]result = pool.map(calc_power2, origin_num)print(f'计算0-9的平方分别为：{result}')在上面的代码中，先定义了一个函数用来计算平方，然后初始化了一个有3个线程的线程池。这3个线程负责计算10个数字的平方，谁先计算完手上的这个数，谁就先取下一个数继续计算，直到把所有的数字都计算完成为止。
总结一下这个多线程用法
from multiprocessing.dummy import Pool
def hanshu(canshu):return canshu+2xiancheng = Pool(3)
canshujihe = [1,2,3,4,5]shuchujieguo = xiancheng.map(hanshu,canshujihe)print(shuchujieguo)from multiprocessing.dummy import Pool 这一行表示导入库模块def hanshu(canshu):return canshu+2 上面两行是一个函数，函数有参数，有返回值 xiancheng = Pool(3) 设置几个线程，这里设置了3个线程 canshujihe = [1,2,3,4,5] 这里弄了一个参数的集合 shuchujieguo = xiancheng.map(hanshu,canshujihe) 输出的结果=线程设置.map（函数名不含括号，参数集合） print(shuchujieguo)
打印结果
![【BUG】已解决：OSError: [Errno 22] Invalid argument](http://pic.xiahunao.cn/【BUG】已解决：OSError: [Errno 22] Invalid argument)
