原计划直接写爬虫第 25 例，但是发现它需要 Queue 队列相关知识，翻阅了一下同步编写的《滚雪球学 Python》专栏，竟然没有相关博客。这就不得不补充一篇，恰好把他放在《Python 爬虫 120 例》中。
Queue 模块
在学习之前，你可以直接打开 官方手册 对比学习。
只要涉及到多线程爬虫，就会涉及到数据采集队列的优先级问题，在 Python 中 Queue 模块提供了一个同步的，线程安全的队列类，它包括常见的 FIFO（先入先出）、LIFO（后入先出）、PriorityQueue（按优先级队列）以及先入先出类型的简单队列（SimpleQueue，3.7 版本新增功能）。
先入先出，后入先出这些都是数据结构中的一些基本知识，不再扩展说明，直接百度相关关键词即可学习。
可以回忆出来栈是先进后出，队列（Queue）是先进先出即可。
初始队列可以先掌握这样几个概念：
- 初始化队列：创建一个空队列；
- 入队：把数据添加到对位；
- 出队：从队首取数据；
- 销毁队列：删除队列相关数据。
初始化一个队列
在 Python 中可以直接导入 Queue 模块，然后对其进行初始化操作：
import queue
q = queue.Queue(maxsize=5)
print(type(q))
参数 maxsize 是一个整数，表示队列的最大长度，在实际操作中，当队列达到上限时，插入数据会被阻塞，直到有数据出队之后，才可被插入。该参数默认为 0，即表示队列长度不限制，如果设置为负数，队列长度也无限（一般无人设置为负数）。
如果要声明为其它不同类型的队列，使用下述代码即可：
# 后进先出
q = queue.LifoQueue(maxsize=5)
# 优先级队列
q = queue.PriorityQueue(maxsize=5)
# 先进先出类型的简单队列，没有大小限制
q = queue.SimpleQueue()
这四种队列区别如下：
-
queue.Queue(maxsize=0)：先进先出，最早进入队列的数据先出队列； -
queue.LifoQueue(maxsize=0)：最后进入队列的数据先出队列； -
PriorityQueue(maxsize=0)：比较队列中每个数据的大小，值最小的数据先出队列； -
queue.SimpleQueue：与1相似，只是一个简单队列，缺少一些高级的方法。
队列数据新增
队列新增数据，即将一个值放入队列中，该方法的格式如下：
Queue.put(item, [block[, timeout]])
其中 item 必填参数，即插入的值，block 默认为 True，如果当 block 为 True 时且 timeout 是 None (默认)，put() 方法就使调用线程阻塞在这里，直到空出一个数据单元，代码如下：
# 不要运行代码，会进入假死等待状态。
import queue
q = queue.Queue(maxsize=2)
q.put("橡",block=True)
q.put("皮",block=True)
q.put("擦",block=True)
print(q)
如果 timeout 是个正数，将最多阻塞 timeout 秒，如果在这段时间没有可用的空闲插槽，将引发 Full 异常。
如果 block 是 False，如果空闲插槽立即可用，则把 item 放入队列，否则引发 Full 异常 ( 在这种情况下，timeout 将被忽略)。
import queue
q = queue.Queue(maxsize=2)
q.put("橡",block=True)
q.put("皮",block=True)
q.put("擦",block=True,timeout=3)
print(q)
运行代码，等待 3s 之后，出现如下异常。
raise Full
queue.Full
取队列值
代码格式如下：
Queue.get(block=True, timeout=None)
该函数表示从队列头部获取一个值，并在队列中删除该值，如果可选参数 block 是 True 并且 timeout 是 None (默认值)，则在必要时阻塞至项目可得到。如果 timeout 是个正数，将最多阻塞 timeout 秒，如果在这段时间内项目不能得到，将引发 Empty 异常。反之 (block 是 False) , 如果一个项目立即可得到，则返回一个项目，否则引发 Empty 异常 (这种情况下，timeout 将被忽略)。
import queue
q = queue.Queue(maxsize=4)
q.put("橡",block=True)
q.put("皮",block=True)
q.put("擦",block=True,timeout=3)
item1 = q.get()
item2 = q.get()
item3 = q.get()
print(item1,item2,item3)
其它常用方法
队列的基本使用参考上述即可，非常简单，其余的都为方法级的应用。
-
q.qsize()：队列大小； -
q.empty()：判断队列是否为空； -
q.full()：判断队列是否为满； -
q.get_nowait()：等价于q.get(False)，该方法使用参考上述取队列值部分内容； -
q.put_nowait(item)：等价于q.put(item, False)； -
q.task_done()与q.join()：这两个方法继续阅读后续内容。
q.task_done() 与 q.join() 方法
首先 SimpleQueue 是不支持 task_done 和 join 方法的，使用的时候需要注意下。
学习之前，先大概了解一下这两个方法的说明：
-
task_done：表示队列中的元素已经被取出，即每个get获取一个元素之后，调用task_done告诉数据处理已经完成，如果被调用的次数大于队列中元素格式，引发ValueError异常； -
join：一直阻塞到队列中所有元素都被取出和执行，只要元素在不断的添加到queue中，join就不会阻塞，也可以理解为需要等到队列为空，再执行别的操作。
如果看文字描述不容易理解，直接对比代码查阅，下述队列将被一直阻塞，原因是在第一个 put 之后，并没有调用 task_done 告知任务完成。
import queue
q = queue.Queue(3)
q.put('橡', block=True, timeout=5)
q.put_nowait('皮')
q.task_done()
print(q.get())
q.join()
解除阻塞的办法也非常简单，只需要在每次的 put 方法后面，增加一个 task_done 方法的调用即可。
import queue
q = queue.Queue(3)
q.put('橡', block=True, timeout=5)
q.task_done()
q.put_nowait('皮')
q.task_done()
print(q.get())
q.join()
如果理解起来还有困难，可以在参考下述案例：
import queue
q = queue.Queue()
q.put('橡')
q.put('皮')
q.put('擦')
for i in range(3):
print(q.get())
# 如果不执行 task_done，join 会一直处于阻塞状态，等待 task_done 告知它数据的处理已经完成
# q.task_done()
q.join()
官方手册还提供了一个多线程的案例提供参考，这里也为大家标记一下，并提供中文注释说明。
import threading, queue
# 初始化一个空队列，不限制长度
q = queue.Queue()
def worker():
while True:
item = q.get()
print(f'正在执行： {item}')
print(f'完成： {item}')
# 发送任务完成的命令
q.task_done()
# 开启多线程
threading.Thread(target=worker, daemon=True).start()
# 设置 30 个 put
for item in range(30):
q.put(item)
print('所有的任务已经完成\n', end='')
# 阻塞，直到所有任务完成
q.join()
print('所有任务完成')
队列在爬虫应用上的落地
队列既然是线程之间常用的通讯方式，并且自带锁机制，那自然会被应用到爬虫采集中，一般是使用生产者消费者模式进行开发。
下述案例存在一个生产者【橡皮擦】，每间隔 5 秒制作一套课程，存在两个消费者，一直监听橡皮擦是否制作课程，当橡皮擦制作出课程之后，就进行购买：
from queue import Queue
import time
import threading
# 初始化一个队列
q = Queue(maxsize=0)
# 生产者
def producer(name):
course_num = 1
while True:
q.put('制作的第 {} 套课程'.format(course_num))
print("{} 制作的第 {} 套课程".format(name, course_num))
course_num += 1
time.sleep(5)
# 消费者
def consumer(name):
while True:
print('{} 购买了 {}'.format(name, q.get()))
time.sleep(1)
q.task_done()
# 开启三个进程
t1 = threading.Thread(target=producer, args=('橡皮擦',))
t2 = threading.Thread(target=consumer, args=('CSDN 账户 A',))
t3 = threading.Thread(target=consumer, args=('CSDN 账户 B',))
t1.start()
t2.start()
t3.start()
优先级队列
接下来在说明一下优先级队列，优先级队列出队列的顺序与优先级有关，所以在入队的时候，就需要将数据排好顺序。
import queue
q = queue.PriorityQueue(5)
q.put((5,'梦'))
q.put((4,'想'))
q.put((4,'橡'))
q.put((3,'皮'))
q.put((2,'擦'))
print(q.get())
print(q.get())
print(q.get())
print(q.get())
print(q.get())
输出顺序如下所示：
(2, '擦')
(3, '皮')
(4, '想')
(4, '橡')
(5, '梦')
写在后面
本文作为《爬虫 120 例》专栏中的一篇，但是不会占用案例篇幅滴，仅作为一个番外存在，毕竟从下一篇开始，我们将会把 threading 模块与 queue 模块结合起来，实现多线程爬虫 。
《爬虫 120 例》代码仓库地址：https://codechina.csdn.net/hihell/python120，去给个关注或者 Star 吧。
==来都来了，不发个评论，点个赞，收个藏吗？==
今天是持续写作的第 <font color=red>207</font> / 365 天。
可以<font color=#04a9f4>关注</font>我，<font color=#04a9f4>点赞</font>我、<font color=#04a9f4>评论</font>我、<font color=#04a9f4>收藏</font>我啦。
更多精彩
网友评论