### 将单线程 Python 程序转换为多线程的方法 在 Python 中，可以使用 `threading` 模块轻松实现多线程编程。通过引入线程锁（Lock），能够有效管理共享资源并防止数据竞争[^1]。 以下是将单线程程序改造成多线程的一个典型例子： #### 示例代码：多线程批量处理任务 假设有一个简单的单线程程序用于逐个处理文件的任务，现在将其改造为多线程版本以提升效率。 ```python import threading import time class TaskThread(threading.Thread): """定义一个继承自 Thread 的类""" def __init__(self, task_id, lock): super().__init__() self.task_id = task_id self.lock = lock def run(self): with self.lock: # 使用锁保护临界区 print(f"Task {self.task_id} is starting.") time.sleep(2) # 模拟耗时操作 with self.lock: print(f"Task {self.task_id} has finished.") def main(): threads = [] thread_lock = threading.Lock() # 创建线程锁对象 for i in range(5): # 启动五个线程 t = TaskThread(i, thread_lock) threads.append(t) t.start() for t in threads: # 主线程等待所有子线程完成 t.join() if __name__ == "__main__": start_time = time.time() main() end_time = time.time() print(f"All tasks completed in {end_time - start_time:.2f} seconds.") ``` 上述代码展示了如何创建多个线程来并发执行任务，并通过线程锁确保打印语句不会发生冲突。 #### 多线程 HTTP 下载器示例 如果目标是从互联网下载大量文件，则可以通过多线程显著加快速度。下面提供一个多线程 HTTP 文件下载器的简单实现[^3]： ```python import os import urllib.request from threading import Thread, Lock class DownloadThread(Thread): def __init__(self, url, filename, lock): super().__init__() self.url = url self.filename = filename self.lock = lock def run(self): try: with self.lock: print(f"Downloading from {self.url}") urllib.request.urlretrieve(self.url, self.filename) with self.lock: print(f"{self.filename} downloaded successfully") except Exception as e: with self.lock: print(f"Error downloading {self.url}: {e}") def download_files(urls, output_dir="downloads"): if not os.path.exists(output_dir): os.makedirs(output_dir) lock = Lock() threads = [] for idx, url in enumerate(urls): filename = os.path.join(output_dir, f"file_{idx}.dat") thread = DownloadThread(url, filename, lock) threads.append(thread) thread.start() for thread in threads: thread.join() if __name__ == "__main__": urls_to_download = [ "https://example.com/file1.dat", "https://example.com/file2.dat" ] download_files(urls_to_download) ``` 此代码片段展示了一个基于 `urllib` 和 `threading` 的多线程下载器，其中每个 URL 都由单独的线程负责下载。 --- ### 注意事项 当设计多线程应用程序时需要注意以下几点： - **GIL (Global Interpreter Lock)**：由于 CPython 解释器存在全局解释器锁，在 CPU 密集型任务中可能无法真正获得性能增益[^4]。 - **资源共享**：对于需要访问同一资源的情况，务必使用同步机制如锁、信号量等避免竞态条件。