Python的多線程適用于I/O密集型任務(wù)，1. 使用threading.Thread可手動(dòng)創(chuàng)建線程并控制執(zhí)行；2. 使用ThreadPoolExecutor能更簡潔地管理線程池，提升代碼可讀性；3. 盡管GIL限制了CPU密集型任務(wù)的并行，但在網(wǎng)絡(luò)請求等I/O操作中仍能顯著減少總耗時(shí)；4. 實(shí)際應(yīng)用中應(yīng)添加異常處理以增強(qiáng)健壯性；5. 該機(jī)制廣泛用于爬蟲、API調(diào)用等場景，能有效提升并發(fā)效率，總耗時(shí)遠(yuǎn)低于串行執(zhí)行。

Python 的多線程（multithreading）適用于處理 I/O 密集型任務(wù)，比如網(wǎng)絡(luò)請求、文件讀寫等。雖然由于 GIL（全局解釋器鎖）的存在，Python 的多線程不適合 CPU 密集型任務(wù)，但在并發(fā) I/O 操作中依然非常有用。

下面是一個(gè)簡單的多線程示例：使用 threading 模塊同時(shí)下載多個(gè)網(wǎng)頁。

? 示例：并發(fā)下載多個(gè)網(wǎng)頁

import threading
import requests
import time

# 要請求的網(wǎng)址列表
urls = [
    'https://httpbin.org/delay/1',
    'https://httpbin.org/delay/2',
    'https://httpbin.org/delay/1',
    'https://httpbin.org/delay/3',
]

def fetch_url(url):
    print(f"開始請求: {url}")
    response = requests.get(url)
    print(f"完成請求: {url}，狀態(tài)碼: {response.status_code}")

# 方法一：使用 threading.Thread 逐個(gè)創(chuàng)建線程
def run_with_threads():
    threads = []
    start_time = time.time()

    for url in urls:
        thread = threading.Thread(target=fetch_url, args=(url,))
        threads.append(thread)
        thread.start()

    # 等待所有線程完成
    for thread in threads:
        thread.join()

    print(f"總耗時(shí): {time.time() - start_time:.2f} 秒")

? 方法二：使用 concurrent.futures（更簡潔）

from concurrent.futures import ThreadPoolExecutor
import requests
import time

def fetch_url(url):
    print(f"開始請求: {url}")
    response = requests.get(url)
    print(f"完成請求: {url}，狀態(tài)碼: {response.status_code}")
    return response.status_code

def run_with_pool():
    start_time = time.time()
    # 創(chuàng)建一個(gè)最多包含 4 個(gè)線程的線程池
    with ThreadPoolExecutor(max_workers=4) as executor:
        results = list(executor.map(fetch_url, urls))

    print(f"所有請求完成，狀態(tài)碼: {results}")
    print(f"總耗時(shí): {time.time() - start_time:.2f} 秒")

? 說明和建議

• threading.Thread：適合手動(dòng)控制線程，靈活但代碼稍多。
• ThreadPoolExecutor：更現(xiàn)代、簡潔，推薦用于大多數(shù)場景。
• GIL 的影響：多線程不能真正并行執(zhí)行 CPU 計(jì)算，但對網(wǎng)絡(luò)、文件等 I/O 操作依然能顯著提升效率。
• 異常處理：實(shí)際項(xiàng)目中，應(yīng)在 fetch_url 中加入 try-except 防止某個(gè)請求失敗導(dǎo)致整個(gè)程序崩潰。

例如：

def fetch_url(url):
    try:
        response = requests.get(url, timeout=5)
        print(f"成功: {url} -> {response.status_code}")
    except Exception as e:
        print(f"失敗: {url} -> {e}")

? 運(yùn)行效果（預(yù)期輸出片段）

開始請求: https://httpbin.org/delay/1
開始請求: https://httpbin.org/delay/2
...
完成請求: https://httpbin.org/delay/1，狀態(tài)碼: 200
完成請求: https://httpbin.org/delay/1，狀態(tài)碼: 200
總耗時(shí): 3.12 秒  # 而非 1 2 1 3=7 秒，說明是并發(fā)執(zhí)行

基本上就這些。多線程在爬蟲、API 調(diào)用、日志寫入等場景中非常實(shí)用，關(guān)鍵是理解它適合 I/O 場景，而不是用來加速計(jì)算。

以上是Python多線程示例的詳細(xì)內(nèi)容。更多資訊請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！