这篇文章给大家分享的是有关python3爬虫lock怎么有序的处理多线程的内容。小编觉得挺实用的，因此分享给大家做个参考。一起跟随小编过来看看吧。
第一个线程处理好了，结果传递给第二个线程，那么需要“锁住“第一个线程。同时需要共享的内存shared memory。
如果不加任何lock：
# 不加任何处理，同时运行两个线程
import threading
def job1():
global A
for i in range(10):
A += 1
print("Job1 : ", A)
def job2():
global A
for i in range(10):
A += 10
print("Job2 : ", A)
A = 0 # global variable
t1 = threading.Thread(target=job1)
t2 = threading.Thread(target=job2)
t1.start()
t2.start()
t1.join()
t2.join()运行结果
Job1 : 1 Job1 : 2 Job1 : 3 Job2 : 13Job1 : Job2 : 24 Job2 : 34 Job2 : 44 Job2 : 54 Job2 : 64 Job2 : 74 Job2 : 84 Job2 : 94 Job2 : 104 14 Job1 : 105 Job1 : 106 Job1 : 107 Job1 : 108 Job1 : 109 Job1 : 110
这两个线程会同时运行，且打印还比较乱。如果我想先结束job1，再进行job2，那么使用lock——定义一个全局变量lock，同时在每个job中传入lock。从而两者运行就不会相互影响。
加上lock
def job1():
global A, lock
# 传入全局变量lock，同时通过acquire上锁，通过release解锁。
lock.acquire()
for i in range(10):
A += 1
print("Job1 : ", A)
lock.release()
def job2():
global A, lock
lock.acquire()
for i in range(10):
A += 10
print("Job2 : ", A)
lock.release()
lock = threading.Lock()
A = 0 # global variable
t1 = threading.Thread(target=job1)
t2 = threading.Thread(target=job2)
t1.start()
t2.start()
t1.join()
t2.join()运行结果
Job1 : 1 Job1 : 2 Job1 : 3 Job1 : 4 Job1 : 5 Job1 : 6 Job1 : 7 Job1 : 8 Job1 : 9 Job1 : 10 Job2 : 20 Job2 : 30 Job2 : 40 Job2 : 50 Job2 : 60 Job2 : 70 Job2 : 80 Job2 : 90 Job2 : 100 Job2 : 110
感谢各位的阅读！关于python3爬虫lock怎么有序的处理多线程就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到吧！
