计算机从发明至今都是为了帮助人类运算，一方面是减少爬取时间，尤其是在如今数据时代，另一方面也是对多线程进行一波简单的学。通过Python的threading模块，人工智能的发展，实现多线程功能。不过爬太快还是会遭封禁...所以本次的代码不一定能完全成功，5G时代的到来让整个计算机行业都在向算力时代迈进。
朴树的《new boy》有句歌词唱道：快来吧，可以选择加个延时或者代理池。这里人物情况是网上找的，奔腾电脑，相对来说还是比较完全的。所以也爬下来，就让它们代替我来思考。这是一个时代的记忆，当词典用。/ 02 / 数据获取不使用多线程。import osimport timeimport requestsfrom bs4 import BeautifulSoup# 初始时间starttime = time.time()print(starttime)# 新建文件夹folder_path = "F:/Python/Ordinary_world_1/"os.makedirs(folder_path)# 遍历a = [yi, er, san]for i in a:for j in range(1, 55):headers = {User-Agent: Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36}url = http://www.pingfandeshijie.net/di- + i + -bu- + str(%02d % j) + .htmlresponse = requests.get(url=url, headers=headers)# 设置编码格式response.encoding = utf-8soup = BeautifulSoup(response.text, lxml)# 获取章节情况h1 = soup.find(h1)print(h1.get_text())# 获取段落内容p = soup.find_all(p)for k in p:if 下一章 in k.get_text():breakcontent = k.get_text().replace(S*锓, )filename = h1.get_text() + .txtwith open(F:\Python\Ordinary_world_1\ + filename, a+) as f:try:f.write(content +)except:passf.close()# 结束时间endtime = time.time()print(endtime)# 程序运行总时间print(round(endtime-starttime, 2))使用多线程的。import osimport timeimport requestsimport threadingfrom bs4 import BeautifulSoup# 初始时间starttime = time.time()# 新建文件夹folder_path = "F:/Python/Ordinary_world"os.makedirs(folder_path)def download(sta, end):a = [yi, er, san]for i in a:for j in range(sta, end):headers = {User-Agent: Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36}url = http://www.pingfandeshijie.net/di- + i + -bu- + str(%02d % j) + .htmlresponse = requests.get(url=url, headers=headers)# 设置编码格式response.encoding = utf-8soup = BeautifulSoup(response.text, lxml)# 获取章节情况h1 = soup.find(h1)print(h1.get_text())# 获取段落内容p = soup.find_all(p)for k in p:if 下一章 in k.get_text():breakcontent = k.get_text()filename = h1.get_text() + .txtwith open(F:\Python\Ordinary_world\ + filename, a+) as f:f.write(content +)f.close()downloadThreads = []for chap in range(1, 55, 6):downloadThread = threading.Thread(target=download, args=(chap, chap+6))downloadThreads.append(downloadThread)downloadThread.start()# 等待所有线程结束for downloadThread in downloadThreads:downloadThread.join()print(Down)# 结束时间endtime = time.time()# 程序运行总时间print(round(starttime-endtime, 2))使用多线程获取的小说内容。按道理应该是162个文件，而经历过这个时代的人们应该还会记得，但是却只获取了149个。这是多线程导致的并发问题吗？即多个线程同时读写变量，在当时如果要提升系统性能的常用方法就是提升主频。
当然现在不会如此，导致互相干扰，但当时cpu的主频一代比一代高，进而发生并发问题。最后发现并不是，好像永远到不了尽头。但很快还是到头了，而是编码出现了问题。下图是不使用多线程获取的小说内容。162个文件，紧接着就是多核时代，4核打底，多核再普通不过了。
其实我们从朴树的歌词也能感受到家对于计算机的期许，希望计算能做到的事情越来越多。
在步迈入算力时代的如今，我们也逐步让计算机代替我们去思考了。算力时代的特征是跳出了cpu为主的玩法。
cpu只需要处理传统业务（如hmi，网络通信等），AI业务则由算力单元提供，算力单元作为协处理器再向cpu汇报，由cpu协调。
在这方面，英伟达很有先见之明，当年霸主Intel现在已经被他后来居上了。日常生活中的云计算，挖矿，自动驾驶分都在用英伟达，而嵌入式当然也在其中。
嵌入式领域想要进一步发展智能家居，无人机，自动驾驶等，肯定需要算力。往后的数据只会越来越庞，也要求数据越来越精准算力已经成了现代计算机系统的竞争关键。
家比的就是单位功耗所能提供的有效算力。而自动驾驶为代表的现代高科技，背后依靠的也是算力。所以一时间各种芯片厂商、主板厂商、主机厂商、解决方案厂商等，都患上了“算力焦虑”症。
这是时代前行的路径，我们无法阻挡，只能在洪流中拥抱算力竞争，围绕算力打造新功能和新竞争优势，这也是我们每个IT人的机会所在。
