python3爬虫中多线程进行解锁操作实例

生活中我们为了保障房间里物品的安全，所以给门进行上锁，在我们需要进入房间的时候又会重新打开。同样的之间我们讲过多线程中的lock，作用是为了不让多个线程运行是出错所以进行锁住的指令。但是鉴于我们实际运用中，因为线程和指令不会只有一个，如果全部都进行lock操作就会出错。所以今天小编为大家进行lock的全面讲解，同时为大家带来lock的解锁方法。

由于线程之间随机调度，所以在使用共享变量时，某线程可能在执行n条后，CPU接着执行其他线程，很容易使得最终结果出错。为了多个线程同时操作一个内存中的资源时不产生混乱，我们可以使用锁。

Lock（指令锁）是可用的最低级的同步指令。Lock处于锁定状态时，不被特定的线程拥有。Lock包含两种状态——锁定和非锁定，以及两个基本的方法。

当线程请求锁定时，其他线程就不能获得这把锁，直到锁定的线程释放锁，其他线程才能继续使用。这就好比使用独卫，某个人进去了，把门锁上了，另一个人必须等待里面的人出来才能继续使用。

指令锁只能被同一个线程调用一次，如果需要多次请求，则需要了解一下可重入锁。

RLock（可重入锁）是一个可以被同一个线程请求多次的同步指令。RLock使用了“拥有的线程”和“递归等级”的概念，处于锁定状态时，RLock被某个线程拥有。拥有RLock的线程可以再次调用acquire()，释放锁时需要调用release()相同次数。

具体方法如下：

acquire([timeout]): 请求获得锁定。使线程进入同步阻塞状态。

release(): 释放锁。使用前线程必须已获得锁定，否则将抛出异常。

关于线程的锁的案例，这里给出一个简单的指令锁的示例，主要看下锁的作用。

import threading
sub = 0
num = 1000000
lock = threading.Lock()
def add():
  global sub,num
  for i in range(1,num):
    # 请求锁
    lock.acquire()
    sub += 1
    # 释放锁
    lock.release()
def red():
    sub -= 1
def main():
  print("开始运算，sub的值为{}".format(sub))
  t1 = threading.Thread(target=add,args=())
  t2 = threading.Thread(target=red,args=())
  t1.start()
  t2.start()
  t1.join()
  t2.join()
  print("结束运算，sub的值为{}".format(sub))
if __name__ == '__main__':
main()

有锁时，肯定是交替执行加减算法，但最后结果肯定还是可以为0。

注释锁后，再来看下结果。

再多执行几次后，会发现结束运算后的sub值每次都不一样，这其实就是因为共享变量，线程之间产生了混乱，导致sub的值无法确定。

以上就是python3爬虫中多线程进行解锁操作实例的详细内容，更多关于python3爬虫中多线程如何进行解锁操作的资料请关注三水点靠木其它相关文章！