进程池

代码演示

方式一

from multiprocessing import Pooldef deal_task(n): n -= 1 return nif __name__ == '__main__': n = 10 p = Pool(4) for i in range(4): res = p.apply(deal_task, args=(n,)) #调用apply是一个串行的效果，任务会被进程一个一个的处理，直接得到结果 #前提是执行的任务必须要有返回值 print(res)

方式二

from multiprocessing import Pooldef deal_task(n): n -= 1 return nif __name__ == '__main__': n = 10 p = Pool(4) obj_l = [] for i in range(4): #调用apply_async会返回一个对象，主进程会不断扔任务给线程池，让子线程处理 obj = p.apply_async(deal_task, args=(n,)) obj_l.append(obj) #首先函数要有返回值 #调用close目的是防止join期间会有别的任务被添加到任务列表中 #不调用close会报错 p.close() p.join() #join是要让子进程全部处理完之后得到结果统一处理，还有一个非常重要的原因是进程池依附于主进程，主进程结束，进程池消失。进程池的任务没有被处理程序就结束了。 for obj in obj_l: print(obj.get())

方式三

from multiprocessing import Poolimport requestsdef get_page(url): ret = requests.get(url).text return {'url': url, 'ret': ret}def parse_page(ret): with open('ab.txt', 'a') as f: f.write('%s - %s\n' % (ret['url'], len(ret['ret'])))if __name__ == '__main__': urls = [ 'https://.cn/' ] p = Pool() for url in urls: #使用回调函数，当get_page下载完后，主线程调用parse_page自动处理get_page下载的结果，节省了parse_page的时间，该场景用于一个函数为耗时操作并且产生数据，另一个函数是非耗时操作，这样就节省了非耗时操作函数的时间 p.apply_async(get_page, args=(url,), callback=parse_page) p.close() p.join() print('主')

join是要让子进程全部处理完之后得到结果统一处理，还有一个非常重要的原因是进程池依附于主进程，主进程结束，进程池消失。进程池的任务没有被处理程序就结束了。

以上这篇对Python3之进程池与回调函数的实例详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。