在 Python 中实现一个持续监听的函数，同时确保该函数不会阻塞后续代码的执行，可以通过异步编程模型或使用多线程/多进程的方式来完成。以下是几种常见的实现方法： ### 使用 `asyncio` 和 `async/await` 实现异步监听 Python 3.5 引入了 `async/await` 语法，使得编写非阻塞异步代码变得更加直观和简洁。可以使用 `asyncio` 模块创建一个后台任务来持续监听事件，而不会影响主线程的执行流程。 ```python import asyncio async def listener(): while True: # 模拟监听操作（例如等待输入、网络数据等） print("Listening for events...") await asyncio.sleep(1) # 非阻塞地等待一段时间 async def main(): # 创建后台任务 task = asyncio.create_task(listener()) # 主程序继续执行其他任务 for i in range(5): print(f"Main loop: {i}") await asyncio.sleep(0.8) # 等待后台任务完成（可选） await task # 运行主函数 asyncio.run(main()) ``` 这种方式利用了协程和事件循环，在不阻塞主线程的前提下实现持续监听功能[^1]。 --- ### 使用 `threading` 模块实现多线程监听 如果不想使用异步框架，也可以通过 `threading` 模块启动一个新的线程来执行监听逻辑，这样主线程可以继续运行其他任务。 ```python import threading import time def listener(): while True: print("Listening in thread...") time.sleep(1) # 启动监听线程 listener_thread = threading.Thread(target=listener, daemon=True) listener_thread.start() # 主线程继续执行其他操作 for i in range(5): print(f"Main thread: {i}") time.sleep(0.7) ``` 此方法适用于需要与现有同步代码集成的情况，且能有效分离监听逻辑与主业务逻辑[^4]。 --- ### 使用 `multiprocessing` 模块实现多进程监听 对于 CPU 密集型的监听任务，或者希望完全隔离监听逻辑的场景，可以使用 `multiprocessing` 模块创建独立进程。 ```python import multiprocessing import time def listener(): while True: print("Listening in separate process...") time.sleep(1) if __name__ == "__main__": listener_process = multiprocessing.Process(target=listener) listener_process.start() # 主进程继续执行其他操作 for i in range(5): print(f"Main process: {i}") time.sleep(0.6) ``` 这种方法提供了更高的稳定性和资源隔离性，但代价是增加了系统开销。 --- ### 总结 - **异步方式**：适合 I/O 密集型任务，代码结构清晰，推荐用于网络通信、事件监听等场景。 - **多线程方式**：简单易用，适合轻量级并发任务，尤其适用于与 GUI 或 Web 框架结合使用。 - **多进程方式**：适用于需要更高稳定性和资源隔离的任务，但不适合频繁交互的场景。 根据实际需求选择合适的并发模型，可以在保证监听功能持续运行的同时，避免对主程序造成阻塞。