标题: 多线程和线程池的使用方法之Python [打印本页] 作者: lsekfe 时间: 2023-6-25 13:41 标题: 多线程和线程池的使用方法之Python Python是一种高级编程语言，它在众多编程语言中，拥有极高的人气和使用率。Python中的多线程和线程池是其强大的功能之一，可以让我们更加高效地利用CPU资源，提高程序的运行速度。本篇博客将介绍Python中多线程和线程池的使用方法，并提供一些实用的案例供读者参考。 一、多线程
多线程是指在同一进程中，有多个线程同时执行不同的任务。Python中的多线程是通过threading模块来实现的。下面是一个简单的多线程示例：
import threading
def task(num):
print('Task %d is running.' % num)
if __name__ == '__main__':
for i in range(5):
t = threading.Thread(target=task, args=(i,))
t.start()
上述代码中，我们定义了一个task函数，它接受一个参数num，用于标识任务。在主程序中，我们创建了5个线程，每个线程都执行task函数，并传入不同的参数。通过start()方法启动线程。运行上述代码，可以看到输出结果类似于下面这样：
Task 0 is running.
Task 1 is running.
Task 2 is running.
Task 3 is running.
Task 4 is running.
由于多线程是并发执行的，因此输出结果的顺序可能会有所不同。 二、线程池
线程池是一种管理多线程的机制，它可以预先创建一定数量的线程，并将任务分配给这些线程执行。Python中的线程池是通过ThreadPoolExecutor类来实现的。下面是一个简单的线程池示例：
import concurrent.futures
def task(num):
print('Task %d is running.' % num)
if __name__ == '__main__':
with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:
for i in range(5):
executor.submit(task, i)
上述代码中，我们使用了with语句创建了一个ThreadPoolExecutor对象，其中max_workers参数指定了线程池中最大的线程数量。在主程序中，我们创建了5个任务，每个任务都通过executor.submit()方法提交给线程池执行。运行上述代码，可以看到输出结果类似于下面这样：
Task 0 is running.
Task 1 is running.
Task 2 is running.
Task 3 is running.
Task 4 is running.
由于线程池中最大的线程数量为3，因此只有3个任务可以同时执行，其他任务需要等待线程池中的线程空闲后再执行。 三、使用案例
下面是一个实际的案例，展示了如何使用多线程和线程池来加速数据处理过程。假设我们有一个包含1000个元素的列表，需要对每个元素进行某种运算，并将结果保存到另一个列表中。我们可以使用单线程的方式来实现：
def process(data):
result = []
for item in data:
result.append(item * 2)
return result
if __name__ == '__main__':
data = list(range(1000))
result = process(data)
print(result)
然后，我们将获取HTML代码的代码放在一个函数中，并将其作为一个线程来运行：
def get_html(url):
try:
response = requests.get(url)
if response.status_code == 200:
return response.text
else:
return None
except Exception as e:
print(e)
class GetHtmlThread(threading.Thread):
def __init__(self, url):
threading.Thread.__init__(self)
self.url = url
def run(self):
html = get_html(self.url)
parse_html(html)
在上面的代码中，我们首先定义了一个GetHtmlThread类，继承自threading.Thread类，然后在类的构造函数中传入需要爬取的URL。在run方法中，我们调用get_html函数获取HTML代码，并将其传入parse_html函数中进行解析。
接下来，我们通过循环创建多个线程来进行爬取：
def main():
urls = ['https://movie.douban.com/top250?start={}'.format(i) for i in range(0, 250, 25)]
threads = []
for url in urls:
thread = GetHtmlThread(url)
thread.start()
threads.append(thread)
for thread in threads:
thread.join()
然后，我们将获取HTML代码的代码放在一个函数中，并将其作为一个任务来提交给线程池：
def get_html(url):
try:
response = requests.get(url)
if response.status_code == 200:
return response.text
else:
return None
except Exception as e:
print(e)
def parse_html(html):
soup = BeautifulSoup(html, 'lxml')
movie_list = soup.find(class_='grid_view').find_all('li')
for movie in movie_list:
title = movie.find(class_='title').string
rating = movie.find(class_='rating_num').string
print(title, rating)
def main():
urls = ['https://movie.douban.com/top250?start={}'.format(i) for i in range(0, 250, 25)]
with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
futures = [executor.submit(get_html, url) for url in urls]
for future in concurrent.futures.as_completed(futures):
html = future.result()
parse_html(html)