这篇教程Python 多线程之threading 模块的使用写得很实用，希望能帮到您。
简介
Python 通过 _thread 和 threading 模块提供了对多线程的支持，threading 模块兼具了 _thread 模块的现有功能，又扩展了一些新的功能，具有十分丰富的线程操作功能
创建线程
使用 threading 模块创建线程通常有两种方式： 1）使用 threading 模块中 Thread 类的构造器创建线程，即直接对类 threading.Thread 进行实例化，并调用实例化对象的 start 方法创建线程； 2）继承 threading 模块中的 Thread 类创建线程类，即用 threading.Thread 派生出一个新的子类，将新建类实例化，并调用其 start 方法创建线程。
构造器方式
调用 threading.Thread 类的如下构造器创建线程： threading.Thread(group=None, target=None, name=None, args=(), kwargs={}, *, daemon=None)group：指定该线程所属的线程组，目前该参数还未实现，为了日后扩展 ThreadGroup 类实现而保留。target：用于 run() 方法调用的可调用对象，默认是 None，表示不需要调用任何方法。args：是用于调用目标函数的参数元组，默认是 ()。kwargs：是用于调用目标函数的关键字参数字典，默认是 {}。daemon：如果 daemon 不是 None，线程将被显式的设置为守护模式，不管该线程是否是守护模式，如果是 None (默认值)，线程将继承当前线程的守护模式属性。import timeimport threadingdef work(num): print('线程名称：',threading.current_thread().getName(),'参数：',num,'开始时间：',time.strftime('%Y-%m-%d %H:%M:%S'))if __name__ == '__main__': print('主线程开始时间：',time.strftime('%Y-%m-%d %H:%M:%S')) t1 = threading.Thread(target=work,args=(3,)) t2 = threading.Thread(target=work,args=(2,)) t3 = threading.Thread(target=work,args=(1,)) t1.start() t2.start() t3.start() t1.join() t2.join() t3.join() print('主线程结束时间：', time.strftime('%Y-%m-%d %H:%M:%S'))上述示例中实例化了三个 Thread 类的实例，并向任务函数传递不同的参数，start 方法开启线程，join 方法阻塞主线程，等待当前线程运行结束。
继承方式
通过继承的方式创建线程包括如下步骤：1）定义 Thread 类的子类，并重写该类的 run 方法；2）创建 Thread 子类的实例，即创建线程对象；3）调用线程对象的 start 方法来启动线程。示例如下： import timeimport threadingclass MyThread(threading.Thread): def __init__(self,num): super().__init__() self.num = num def run(self): print('线程名称：', threading.current_thread().getName(), '参数：', self.num, '开始时间：', time.strftime('%Y-%m-%d %H:%M:%S'))if __name__ == '__main__': print('主线程开始时间：',time.strftime('%Y-%m-%d %H:%M:%S')) t1 = MyThread(3) t2 = MyThread(2) t3 = MyThread(1) t1.start() t2.start() t3.start() t1.join() t2.join() t3.join() print('主线程结束时间：', time.strftime('%Y-%m-%d %H:%M:%S'))上述示例中自定义了线程类 MyThread，继承了 threading.Thread，并重写了 __init__ 方法和 run 方法。
守护线程
守护线程（也称后台线程）是在后台运行的，它的任务是为其他线程提供服务，如 Python 解释器的垃圾回收线程就是守护线程。如果所有的前台线程都死亡了，守护线程也会自动死亡。来看个例子： # 不设置守护线程import threadingdef work(num): for i in range(num): print(threading.current_thread().name + " " + str(i))t = threading.Thread(target=work, args=(10,), name='守护线程')t.start()for i in range(10): pass # 设置守护线程import threadingdef work(num): for i in range(num): print(threading.current_thread().name + " " + str(i))t = threading.Thread(target=work, args=(10,), name='守护线程')t.daemon = Truet.start()for i in range(10): pass 上述示例直观的说明了当前台线程结束，守护线程也会自动结束。 如果你设置一个线程为守护线程，就表示这个线程是不重要的，在进程退出的时候，不用等待这个线程退出；如果你的主线程在退出的时候，不用等待哪些子线程完成，那就设置这些线程为守护线程；如果你想等待子线程完成后再退出，那就什么都不用做，或者显示地将 daemon 属性设置为 false。
线程本地数据
Python 的 threading 模块提供了 local 方法，该方法返回得到一个全局对象，不同线程使用这个对象存储的数据，其它线程是不可见的(本质上就是不同的线程使用这个对象时为其创建一个独立的字典)。来看个示例： # 不使用 threading.localimport threadingimport timenum = 0def work(): global num for i in range(10): num += 1 print(threading.current_thread().getName(), num) time.sleep(0.0001) for i in range(5): threading.Thread(target=work).start() 上面示例中 num 是全局变量，变成了公共资源，通过输出结果，我们发现子线程之间的计算结果出现了互相干扰的情况。 # 使用 threading.localnum = threading.local()def work(): num.x = 0 for i in range(10): num.x += 1 print(threading.current_thread().getName(), num.x) time.sleep(0.0001)for i in range(5): threading.Thread(target=work).start() 使用 threading.local 的示例中，num 是全局变量，但每个线程定义的属性 num.x 是各自线程独有的，其它线程是不可见的，因此每个线程的计算结果未出现相互干扰的情况。
定时器
threading 模块提供了 Timer 类实现定时器功能，来看个例子： # 单次执行from threading import Timerdef work(): print("Hello Python") # 5 秒后执行 work 方法t = Timer(5, work)t.start()Timer 只能控制函数在指定的时间内执行一次，如果我们需要多次重复执行，需要再进行一次调度，想要取消调度时可以使用 Timer 的 cancel 方法。来看个例子： # 重复执行count = 0def work(): print('当前时间：', time.strftime('%Y-%m-%d %H:%M:%S')) global t, count count += 1 # 如果 count 小于 5，开始下一次调度 if count < 5: t = Timer(1, work) t.start()# 指定 2 秒后执行 work 方法t = Timer(2, work)t.start()以上就是Python 多线程之threading 模块的使用的详细内容，更多关于python threading的使用的资料请关注51zixue.net其它相关文章！
教你如何用python开发一款数字推盘小游戏
深度学习tensorflow基础mnist |
