Python線程池的實現(xiàn)淺析
雷猴啊，兄弟們！今天來展示一下如何用Python快速實現(xiàn)一個線程池。
一、序言
當有多個 IO 密集型的任務要被處理時，我們自然而然會想到多線程。但如果任務非常多，我們不可能每一個任務都啟動一個線程去處理，這個時候最好的辦法就是實現(xiàn)一個線程池，至于池子里面的線程數(shù)量可以根據(jù)業(yè)務場景進行設置。
比如我們實現(xiàn)一個有 10 個線程的線程池，這樣可以并發(fā)地處理 10 個任務，每個線程將任務執(zhí)行完之后，便去執(zhí)行下一個任務。通過使用線程池，可以避免因線程創(chuàng)建過多而導致資源耗盡，而且任務在執(zhí)行時的生命周期也可以很好地把控。
而線程池的實現(xiàn)方式也很簡單，但這里我們不打算手動實現(xiàn)，因為 Python 提供了一個標準庫 concurrent.futures，已經內置了對線程池的支持。所以本篇文章，我們就來詳細介紹一下該模塊的用法。
二、正文
1、Future 對象
當我們往線程池里面提交一個函數(shù)時，會分配一個線程去執(zhí)行，同時立即返回一個 Future 對象。通過 Future 對象可以監(jiān)控函數(shù)的執(zhí)行狀態(tài)，有沒有出現(xiàn)異常，以及有沒有執(zhí)行完畢等等。如果函數(shù)執(zhí)行完畢，內部便會調用 future.set_result 將返回值設置到 future 里面，然后外界便可調用 future.result 拿到返回值。
除此之外 future 還可以綁定回調，一旦函數(shù)執(zhí)行完畢，就會以 future 為參數(shù)，自動觸發(fā)回調。所以 future 被稱為未來對象，可以把它理解為函數(shù)的一個容器，當我們往線程池提交一個函數(shù)時，會立即創(chuàng)建相應的 future 然后返回。函數(shù)的執(zhí)行狀態(tài)什么的，都通過 future 來查看，當然也可以給它綁定一個回調，在函數(shù)執(zhí)行完畢時自動觸發(fā)。
那么下面我們就來看一下 future 的用法，文字的話理解起來可能有點枯燥。
將函數(shù)提交到線程池里面運行時，會立即返回一個對象
這個對象就叫做 Future 對象，里面包含了函數(shù)的執(zhí)行狀態(tài)等等
當然我們也可以手動創(chuàng)建一個Future對象。
from concurrent.futures import Future
# 創(chuàng)建 Future 對象 future
future = Future()
# 給 future 綁定回調
def callback(f: Future):
print("當set_result的時候會執(zhí)行回調，result:",
f.result())
future.add_done_callback(callback)
# 通過 add_done_callback 方法即可給 future 綁定回調
# 調用的時候會自動將 future 作為參數(shù)
# 如果需要多個參數(shù)，那么就使用偏函數(shù)
# 回調函數(shù)什么時候執(zhí)行呢？
# 顯然是當 future 執(zhí)行 set_result 的時候
# 如果 future 是向線程池提交函數(shù)時返回的
# 那么當函數(shù)執(zhí)行完畢時會自動執(zhí)行 future.set_result(xx)
# 并將自身的返回設置進去
# 而這里的 future 是我們手動創(chuàng)建的，因此需要手動執(zhí)行
future.set_result("嘿嘿")當set_result的時候會執(zhí)行回調，result: 嘿嘿
需要注意的是：只能執(zhí)行一次 set_result，但是可以多次調用 result 獲取結果。
from concurrent.futures import Future
future = Future()
future.set_result("哼哼")
print(future.result()) # 哼哼
print(future.result()) # 哼哼
print(future.result()) # 哼哼執(zhí)行 future.result() 之前一定要先 set_result，否則會一直處于阻塞狀態(tài)。當然 result 方法還可以接收一個 timeout 參數(shù)，表示超時時間，如果在指定時間內沒有獲取到值就會拋出異常。
2、提交函數(shù)自動創(chuàng)建 Future 對象
我們上面是手動創(chuàng)建的 Future 對象，但工作中很少會手動創(chuàng)建。我們將函數(shù)提交到線程池里面運行的時候，會自動創(chuàng)建 Future 對象并返回。這個 Future 對象里面就包含了函數(shù)的執(zhí)行狀態(tài)，比如此時是處于暫停、運行中還是完成等等，并且函數(shù)在執(zhí)行完畢之后，還會調用 future.set_result 將自身的返回值設置進去。
from concurrent.futures import ThreadPoolExecutor
import time
def task(name, n):
time.sleep(n)
return f"{name} 睡了 {n} 秒"
# 創(chuàng)建一個線程池
# 里面還可以指定 max_workers 參數(shù)，表示最多創(chuàng)建多少個線程
# Python學習交流裙279199867
# 如果不指定，那么每提交一個函數(shù)，都會為其創(chuàng)建一個線程
executor = ThreadPoolExecutor()
# 通過 submit 即可將函數(shù)提交到線程池，一旦提交，就會立刻運行
# 因為開啟了一個新的線程，主線程會繼續(xù)往下執(zhí)行
# 至于 submit 的參數(shù)，按照函數(shù)名，對應參數(shù)提交即可
# 切記不可寫成task("古明地覺", 3)，這樣就變成調用了
future = executor.submit(task, "屏幕前的你", 3)
# 由于函數(shù)里面出現(xiàn)了 time.sleep，并且指定的 n 是 3
# 所以函數(shù)內部會休眠 3 秒，顯然此時處于運行狀態(tài)
print(future)
"""
<Future at 0x7fbf701726d0 state=running>
"""
# 我們說 future 相當于一個容器，包含了內部函數(shù)的執(zhí)行狀態(tài)
# 函數(shù)是否正在運行中
print(future.running())
"""
True
"""
# 函數(shù)是否執(zhí)行完畢
print(future.done())
"""
False
"""
# 主程序也 sleep 3 秒
time.sleep(3)
# 顯然此時函數(shù)已經執(zhí)行完畢了
# 并且打印結果還告訴我們返回值類型是 str
print(future)
"""
<Future at 0x7fbf701726d0 state=finished returned str>
"""
print(future.running())
"""
False
"""
print(future.done())
"""
True
"""
# 函數(shù)執(zhí)行完畢時，會將返回值設置在 future 里
# 也就是說一旦執(zhí)行了 future.set_result
# 那么就表示函數(shù)執(zhí)行完畢了，然后外界可以調用 result 拿到返回值
print(future.result())
"""
屏幕前的你 睡了 3 秒
"""這里再強調一下 future.result()，這一步是會阻塞的，舉個例子：
# 提交函數(shù) future = executor.submit(task, "屏幕前的你", 3) start = time.perf_counter() future.result() end = time.perf_counter() print(end - start) # 3.00331525
可以看到，future.result() 這一步花了將近 3s。其實也不難理解，future.result() 是干嘛的？就是為了獲取函數(shù)的返回值，可函數(shù)都還沒有執(zhí)行完畢，它又從哪里獲取呢？所以只能先等待函數(shù)執(zhí)行完畢，將返回值通過 set_result 設置到 future 里面之后，外界才能調用 future.result() 獲取到值。
如果不想一直等待的話，那么在獲取值的時候可以傳入一個超時時間。
from concurrent.futures import (
ThreadPoolExecutor,
TimeoutError
)
import time
def task(name, n):
time.sleep(n)
return f"{name} 睡了 {n} 秒"
executor = ThreadPoolExecutor()
future = executor.submit(task, "屏幕前的你", 3)
try:
# 1 秒之內獲取不到值，拋出 TimeoutError
res = future.result(1)
except TimeoutError:
pass
# 再 sleep 2 秒，顯然函數(shù)執(zhí)行完畢了
time.sleep(2)
# 獲取返回值
print(future.result())
"""
屏幕前的你 睡了 3 秒
"""當然啦，這么做其實還不夠智能，因為我們不知道函數(shù)什么時候執(zhí)行完畢。所以最好的辦法還是綁定一個回調，當函數(shù)執(zhí)行完畢時，自動觸發(fā)回調。
from concurrent.futures import ThreadPoolExecutor
import time
def task(name, n):
time.sleep(n)
return f"{name} 睡了 {n} 秒"
def callback(f):
print(f.result())
executor = ThreadPoolExecutor()
future = executor.submit(task, "屏幕前的你", 3)
# 綁定回調，3 秒之后自動調用
future.add_done_callback(callback)
"""
屏幕前的你 睡了 3 秒
"""需要注意的是，在調用 submit 方法之后，提交到線程池的函數(shù)就已經開始執(zhí)行了。而不管函數(shù)有沒有執(zhí)行完畢，我們都可以給對應的 future 綁定回調。
如果函數(shù)完成之前添加回調，那么會在函數(shù)完成后觸發(fā)回調。如果函數(shù)完成之后添加回調，由于函數(shù)已經完成，代表此時的 future 已經有值了，或者說已經 set_result 了，那么會立即觸發(fā)回調。
3、future.set_result 到底干了什么事情
當函數(shù)執(zhí)行完畢之后，會執(zhí)行 set_result，那么這個方法到底干了什么事情呢？
我們看到 future 有兩個被保護的屬性，分別是 _result 和 _state。顯然 _result 用于保存函數(shù)的返回值，而 future.result() 本質上也是返回 _result 屬性的值。而 _state 屬性則用于表示函數(shù)的執(zhí)行狀態(tài)，初始為 PENDING，執(zhí)行中為 RUNING，執(zhí)行完畢時被設置為 FINISHED。
調用 future.result() 的時候，會判斷 _state 的屬性，如果還在執(zhí)行中就一直等待。當 _state 為 FINISHED 的時候，就返回 _result 屬性的值。
4、提交多個函數(shù)
我們上面每次只提交了一個函數(shù)，但其實可以提交任意多個，我們來看一下：
from concurrent.futures import ThreadPoolExecutor
import time
def task(name, n):
time.sleep(n)
return f"{name} 睡了 {n} 秒"
executor = ThreadPoolExecutor()
futures = [executor.submit(task, "屏幕前的你", 3),
executor.submit(task, "屏幕前的你", 4),
executor.submit(task, "屏幕前的你", 1)]
# 此時都處于running
print(futures)
"""
[<Future at 0x1b5ff622550 state=running>,
<Future at 0x1b5ff63ca60 state=running>,
<Future at 0x1b5ff63cdf0 state=running>]
"""
time.sleep(3)
# 主程序 sleep 3s 后
# futures[0]和futures[2]處于 finished
# futures[1]仍處于 running
print(futures)
"""
[<Future at 0x1b5ff622550 state=running>,
<Future at 0x1b5ff63ca60 state=running>,
<Future at 0x1b5ff63cdf0 state=finished returned str>]
"""如果是多個函數(shù)，要如何拿到返回值呢？很簡單，遍歷 futures 即可。
executor = ThreadPoolExecutor()
futures = [executor.submit(task, "屏幕前的你", 5),
executor.submit(task, "屏幕前的你", 2),
executor.submit(task, "屏幕前的你", 4),
executor.submit(task, "屏幕前的你", 3),
executor.submit(task, "屏幕前的你", 6)]
for future in futures:
print(future.result())
"""
屏幕前的你 睡了 5 秒
屏幕前的你 睡了 2 秒
屏幕前的你 睡了 4 秒
屏幕前的你 睡了 3 秒
屏幕前的你 睡了 6 秒
"""這里面有一些值得說一說的地方，首先 futures 里面有 5 個 future，記做 future1, future2, future3, future4, future5。
當使用 for 循環(huán)遍歷的時候，實際上會依次遍歷這 5 個 future，所以返回值的順序就是我們添加的函數(shù)的順序。由于 future1 對應的函數(shù)休眠了 5s，那么必須等到 5s 后，future1 里面才會有值。
但這五個函數(shù)是并發(fā)執(zhí)行的，future2, future3, future4 由于只休眠了 2s, 4s, 3s，所以肯定會先執(zhí)行完畢，然后執(zhí)行 set_result，將返回值設置到對應的 future 里。
但 Python 的 for 循環(huán)不可能在第一次迭代還沒有結束，就去執(zhí)行第二次迭代。因為 futures 里面的幾個 future 的順序已經一開始就被定好了，只有當?shù)谝粋€ future.result() 執(zhí)行完成之后，才會執(zhí)行第二個 future.result()，以及第三個、第四個。
因此即便后面的函數(shù)已經執(zhí)行完畢，但由于 for 循環(huán)的順序，也只能等著，直到前面的 future.result() 執(zhí)行完畢。所以當?shù)谝粋€ future.result() 結束時，后面三個 future.result() 會立刻輸出，因為它們內部的函數(shù)已經執(zhí)行結束了。
而最后一個 future，由于內部函數(shù) sleep 了 6 秒，因此要再等待 1 秒，才會打印 future.result()。
5、使用 map 來提交多個函數(shù)
使用 submit 提交函數(shù)會返回一個 future，并且還可以給 future 綁定一個回調。但如果不關心回調的話，那么還可以使用 map 進行提交。
executor = ThreadPoolExecutor()
# map 內部也是使用了 submit
results = executor.map(task,
["屏幕前的你"] * 3,
[3, 1, 2])
# 并且返回的是迭代器
print(results)
"""
<generator object ... at 0x0000022D78EFA970>
"""
# 此時遍歷得到的是不再是 future
# 而是 future.result()
for result in results:
print(result)
"""
屏幕前的你 睡了 3 秒
屏幕前的你 睡了 1 秒
屏幕前的你 睡了 2 秒
"""可以看到，當使用for循環(huán)的時候，map 執(zhí)行的邏輯和 submit 是一樣的。唯一的區(qū)別是，此時不需要再調用 result 了，因為返回的就是函數(shù)的返回值。
或者我們直接調用 list 也行。
executor = ThreadPoolExecutor()
results = executor.map(task,
["屏幕前的你"] * 3,
[3, 1, 2])
print(list(results))
"""
['屏幕前的你 睡了 3 秒',
'屏幕前的你 睡了 1 秒',
'屏幕前的你 睡了 2 秒']
"""results 是一個生成器，調用 list 的時候會將里面的值全部產出。由于 map 內部還是使用的 submit，然后通過 future.result() 拿到返回值，而耗時最長的函數(shù)需要 3 秒，因此這一步會阻塞 3 秒。3 秒過后，會打印所有函數(shù)的返回值。
6、按照順序等待執(zhí)行
上面在獲取返回值的時候，是按照函數(shù)的提交順序獲取的。如果我希望哪個函數(shù)先執(zhí)行完畢，就先獲取哪個函數(shù)的返回值，該怎么做呢？
from concurrent.futures import (
ThreadPoolExecutor,
as_completed
)
import time
def task(name, n):
time.sleep(n)
return f"{name} 睡了 {n} 秒"
executor = ThreadPoolExecutor()
futures = [executor.submit(task, "屏幕前的你", 5),
executor.submit(task, "屏幕前的你", 2),
executor.submit(task, "屏幕前的你", 1),
executor.submit(task, "屏幕前的你", 3),
executor.submit(task, "屏幕前的你", 4)]
for future in as_completed(futures):
print(future.result())
"""
屏幕前的你 睡了 1 秒
屏幕前的你 睡了 2 秒
屏幕前的你 睡了 3 秒
屏幕前的你 睡了 4 秒
屏幕前的你 睡了 5 秒
"""此時誰先完成，誰先返回。
7、取消一個函數(shù)的執(zhí)行
我們通過 submit 可以將函數(shù)提交到線程池中執(zhí)行，但如果我們想取消該怎么辦呢？
executor = ThreadPoolExecutor() future1 = executor.submit(task, "屏幕前的你", 1) future2 = executor.submit(task, "屏幕前的你", 2) future3 = executor.submit(task, "屏幕前的你", 3) # 取消函數(shù)的執(zhí)行 # 會將 future 的 _state 屬性設置為 CANCELLED future3.cancel() # 查看是否被取消 print(future3.cancelled()) # False
問題來了，調用 cancelled 方法的時候，返回的是False，這是為什么？很簡單，因為函數(shù)已經被提交到線程池里面了，函數(shù)已經運行了。而只有在還沒有運行時，取消才會成功。
可這不矛盾了嗎？函數(shù)一旦提交就會運行，只有不運行才會取消成功，這怎么辦？還記得線程池的一個叫做 max_workers 的參數(shù)嗎？用來控制線程池內的線程數(shù)量，我們可以將最大的線程數(shù)設置為2，那么當?shù)谌齻€函數(shù)進去的時候，就不會執(zhí)行了，而是處于暫停狀態(tài)。
executor = ThreadPoolExecutor(max_workers=2) future1 = executor.submit(task, "屏幕前的你", 1) future2 = executor.submit(task, "屏幕前的你", 2) future3 = executor.submit(task, "屏幕前的你", 3) # 如果池子里可以創(chuàng)建空閑線程 # 那么函數(shù)一旦提交就會運行，狀態(tài)為 RUNNING print(future1._state) # RUNNING print(future2._state) # RUNNING # 但 future3 內部的函數(shù)還沒有運行 # 因為池子里無法創(chuàng)建新的空閑線程了，所以狀態(tài)為 PENDING print(future3._state) # PENDING # 取消函數(shù)的執(zhí)行，前提是函數(shù)沒有運行 # 會將 future 的 _state 屬性設置為 CANCELLED future3.cancel() # 查看是否被取消 print(future3.cancelled()) # True print(future3._state) # CANCELLED
在啟動線程池的時候，肯定是需要設置容量的，不然處理幾千個函數(shù)要開啟幾千個線程嗎。另外當函數(shù)被取消了，就不可以再調用 future.result() 了，否則的話會拋出 CancelledError。
8、函數(shù)執(zhí)行時出現(xiàn)異常
我們前面的邏輯都是函數(shù)正常執(zhí)行的前提下，但天有不測風云，如果函數(shù)執(zhí)行時出現(xiàn)異常了該怎么辦？
from concurrent.futures import ThreadPoolExecutor
def task1():
1 / 0
def task2():
pass
executor = ThreadPoolExecutor(max_workers=2)
future1 = executor.submit(task1)
future2 = executor.submit(task2)
print(future1)
print(future2)
"""
<Future at 0x7fe3e00f9e50 state=finished raised ZeroDivisionError>
<Future at 0x7fe3e00f9eb0 state=finished returned NoneType>
"""
# 結果顯示 task1 函數(shù)執(zhí)行出現(xiàn)異常了
# 那么這個異常要怎么獲取呢？
print(future1.exception())
print(future1.exception().__class__)
"""
division by zero
<class 'ZeroDivisionError'>
"""
# 如果執(zhí)行沒有出現(xiàn)異常，那么 exception 方法返回 None
print(future2.exception()) # None
# 注意：如果函數(shù)執(zhí)行出現(xiàn)異常了
# 那么調用 result 方法會將異常拋出來
future1.result()
"""
Traceback (most recent call last):
File "...", line 4, in task1
1 / 0
ZeroDivisionError: division by zero
"""
出現(xiàn)異常時，調用 future.set_exception 將異常設置到 future 里面，而 future 有一個 _exception 屬性，專門保存設置的異常。當調用 future.exception() 時，也會直接返回 _exception 屬性的值。
9、等待所有函數(shù)執(zhí)行完畢
假設我們往線程池提交了很多個函數(shù)，如果希望提交的函數(shù)都執(zhí)行完畢之后，主程序才能往下執(zhí)行，該怎么辦呢？其實方案有很多：
第一種：
from concurrent.futures import ThreadPoolExecutor
import time
def task(n):
time.sleep(n)
return f"sleep {n}"
executor = ThreadPoolExecutor()
future1 = executor.submit(task, 5)
future2 = executor.submit(task, 2)
future3 = executor.submit(task, 4)
# 這里是不會阻塞的
print("start")
# 遍歷所有的 future，并調用其 result 方法
# 這樣就會等到所有的函數(shù)都執(zhí)行完畢之后才會往下走
for future in [future1, future2, future3]:
print(future.result())
print("end")
"""
start
sleep 5
sleep 2
sleep 4
end
"""第二種：
from concurrent.futures import (
ThreadPoolExecutor,
wait
)
import time
def task(n):
time.sleep(n)
return f"sleep {n}"
executor = ThreadPoolExecutor()
future1 = executor.submit(task, 5)
future2 = executor.submit(task, 2)
future3 = executor.submit(task, 4)
# return_when 有三個可選參數(shù)
# FIRST_COMPLETED：當任意一個任務完成或者取消
# FIRST_EXCEPTION：當任意一個任務出現(xiàn)異常
# 如果都沒出現(xiàn)異常等同于ALL_COMPLETED
# ALL_COMPLETED：所有任務都完成，默認是這個值
fs = wait([future1, future2, future3],
return_when="ALL_COMPLETED")
# 此時返回的fs是DoneAndNotDoneFutures類型的namedtuple
# 里面有兩個值，一個是done，一個是not_done
print(fs.done)
"""
{<Future at 0x1df1400 state=finished returned str>,
<Future at 0x2f08e48 state=finished returned str>,
<Future at 0x9f7bf60 state=finished returned str>}
"""
print(fs.not_done)
"""
set()
"""
for f in fs.done:
print(f.result())
"""
start
sleep 5
sleep 2
sleep 4
end
"""第三種：
# 使用上下文管理
with ThreadPoolExecutor() as executor:
future1 = executor.submit(task, 5)
future2 = executor.submit(task, 2)
future3 = executor.submit(task, 4)
# 所有函數(shù)執(zhí)行完畢（with語句結束）后才會往下執(zhí)行
第四種：
executor = ThreadPoolExecutor() future1 = executor.submit(task, 5) future2 = executor.submit(task, 2) future3 = executor.submit(task, 4) # 所有函數(shù)執(zhí)行結束后，才會往下執(zhí)行 executor.shutdown()
三、小結
如果我們需要啟動多線程來執(zhí)行函數(shù)的話，那么不妨使用線程池。每調用一個函數(shù)就從池子里面取出一個線程，函數(shù)執(zhí)行完畢就將線程放回到池子里以便其它函數(shù)執(zhí)行。如果池子里面空了，或者說無法創(chuàng)建新的空閑線程，那么接下來的函數(shù)就只能處于等待狀態(tài)了。
最后，concurrent.futures 不僅可以用于實現(xiàn)線程池，還可以用于實現(xiàn)進程池。兩者的 API 是一樣的：
from concurrent.futures import ProcessPoolExecutor
import time
def task(n):
time.sleep(n)
return f"sleep {n}"
executor = ProcessPoolExecutor()
# Windows 上需要加上這一行
if __name__ == '__main__':
future1 = executor.submit(task, 5)
future2 = executor.submit(task, 2)
future3 = executor.submit(task, 4)
executor.shutdown()
print(future1.result())
print(future2.result())
print(future3.result())
"""
sleep 5
sleep 2
sleep 4
""" 線程池和進程池的 API 是一致的，但工作中很少會創(chuàng)建進程池。
到此這篇關于Python線程池的實現(xiàn)淺析的文章就介紹到這了,更多相關Python線程池內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了Python單元測試,結合實例形式詳細分析了Python單元測試模塊的功能、使用方法及相關操作注意事項,需要的朋友可以參考下2018-05-05
這篇文章主要介紹了利用Python爬取某站的視頻彈幕，并將其繪制成詞云圖，文中的示例代碼講解詳細，對我學習Python爬蟲有一定的幫助，需要的朋友可以參考一下2021-12-12
使用pickle存儲數(shù)據(jù)dump 和 load實例講解
今天小編就為大家分享一篇使用pickle存儲數(shù)據(jù)dump 和 load實例講解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12
Python實現(xiàn)Excel和CSV之間的相互轉換
通過使用Python編程語言,編寫腳本來自動化Excel和CSV之間的轉換過程,可以批量處理大量文件,定期更新數(shù)據(jù),并集成轉換過程到自動化工作流程中,本文將介紹如何使用Python 實現(xiàn)Excel和CSV之間的相互轉換,需要的朋友可以參考下2024-03-03
使用Python通過win32 COM實現(xiàn)Word文檔的寫入與保存方法
今天小編就為大家分享一篇使用Python通過win32 COM實現(xiàn)Word文檔的寫入與保存方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
Pandas是一個非常強大的數(shù)據(jù)操作python包,支持各種數(shù)據(jù)格式,包括CSV文件,本文就來介紹一下Python Pandas處理csv文件常用示例,感興趣的可以了解一下2023-12-12
這篇文章主要為大家詳細介紹了4種python判斷字符串是否包含關鍵字的方法,文中的示例代碼講解詳細,有需要的小伙伴可以根據(jù)自己的需求進行選擇2025-04-04
Python參數(shù)解析模塊sys、getopt、argparse使用與對比分析
今天小編就為大家分享一篇關于Python參數(shù)解析模塊sys、getopt、argparse使用與對比分析，小編覺得內容挺不錯的，現(xiàn)在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧2019-04-04
深入理解python中函數(shù)傳遞參數(shù)是值傳遞還是引用傳遞
這篇文章主要介紹了深入理解python中函數(shù)傳遞參數(shù)是值傳遞還是引用傳遞，涉及具體代碼示例，具有一定參考價值，需要的朋友可以了解下。2017-11-11
開發(fā)程序其實就像預測天氣一樣,即使是代碼的異常錯誤,也應該能預測且被控制,下面這篇文章主要給大家介紹了關于Python如何處理異常報錯方法的相關資料,需要的朋友可以參考下2022-06-06