这篇博文主要讲下笔者在工作中Python多进程的实战运用和回调函数的理解和运用。
多进程实战
实战一、批量文件下载
从一个文件中按行读取 url ，根据 url 下载文件到指定位置，用多进程实现。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
#!/usr/local/python27/bin/python2.7
from
multiprocessing
import
Process,Pool
import
os,time,random,sys
import
urllib
# 文件下载函数
def
filedown(url,
file
):
urllib.urlretrieve(url,
file
)
if
__name__
=
=
'__main__'
:
p
=
Pool(
100
)
count
=
0
# 打开存有url的文件
f
=
open
(
'11.csv'
,
'r'
)
while
True
:
count
+
=
1
# 按行读取
url1
=
f.readline()
# 当文件读取完毕时，跳出循环
if
url1
=
=
'':
break
;
url
=
url1.strip()
file
=
(
'/root/tuchao/d2/work/strfile/'
+
url.split(
'/'
)[
4
])
print
(count)
# 使用异步多进程的方式，启动子进程，并将功能函数和参数传入.
# 注意: 这里的 args 必须传参数列表，就算是一个参数，也得写逗号结尾。
p.apply_async(filedown, args
=
(url,
file
,))
p.close()
p.join()
|
实战二、批量文本处理。
读取一个目录下的每个文件，过滤掉文件中的数字和中文，把每个英语单词提取出来写入 Mongodb。
使用多进程处理
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
|
#!/usr/local/python27/bin/python2.7
import
re
import
sys
import
os
import
pymongo
from
multiprocessing
import
Process,Pool
import
time
# Mongodb 连接，验证身份
conn
=
pymongo.MongoClient(
'localhost'
,
27017
)
conn.words.authenticate(
'words_user'
,
'woiu32k32x01'
)
db
=
conn.words
# 单词处理函数
def
wordsevent(filename,mongo_insert):
with
open
(filename) as f:
wordsall
=
[]
for
line
in
f:
# 把当前行转为小写后，判断里面是否包含小写字母。 有，表示这行是英文行，则做单词提取。 没有，表示当前行是数字或者是中文，不做处理，continue 进入下一次循环。
if
line.lower().islower():
# 单词提取 re.findall 多重匹配。(r'(\w|\')+)' 表示匹配字母或者单引号出现一次或多次。这样会出现一个问题，提取出来的单词都会拆分成一个一个字母，因为正则会安装括号里面的规则去提取，\w 按字母匹配的，所以会提取字母。
# 所以才要这样写 (r'((?:\w|\')+)' 这里 ?: 写在括号的里面，表示此括号的规则只做匹配，而不提取内容。 外面还有一层括号，所以正则将会提取外面这层括号匹配的内容。 那就是一个个的单词了。
# 在正则中一对括号表示一组。
wordslist
=
re.findall(r
'((?:\w|\')+)'
,line)
# 列表合并，把多个list合并到一个。
wordsall.extend(wordslist)
else
:
continue
# 把list转成集合去重，因为集合中的元素是 确定性、无序性、互异性
s1
=
set
(wordsall)
if
len
(s1)
=
=
0
:
pass
else
:
mongo_insert(s1)
def
mongo_insert(x):
db.test2.insert_many([{
"word"
:i}
for
i
in
x])
if
__name__
=
=
'__main__'
:
fileall
=
os.listdir(
'strfile'
)
p
=
Pool(
10
)
count
=
0
for
i
in
fileall:
count
+
=
1
filename
=
(
'/root/tuchao/d2/work/strfile/%s'
%
i)
print
(count,filename)
# 启动异步多进程
p.apply_async(wordsevent,args
=
(filename,mongo_insert,))
p.close()
p.join()
|
回调函数
什么是回调函数？ （第一次听说回调函数的同学，请认真看下补课）
编程分为两类：系统编程（system programming）和应用编程（application programming）。所谓系统编程，简单来说，就是编写库；而应用编程就是利用写好的各种库来编写具某种功用的程序，也就是应用。系统程序员会给自己写的库留下一些接口，即API（application programming interface，应用编程接口），以供应用程序员使用。所以在抽象层的图示里，库位于应用的底下。
当程序跑起来时，一般情况下，应用程序（application program）会时常通过API调用库里所预先备好的函数。但是有些库函数（library function）却要求应用先传给它一个函数，好在合适的时候调用，以完成目标任务。这个被传入的、后又被调用的函数就称为回调函数（callback function）。
打个比方，有一家旅馆提供叫醒服务，但是要求旅客自己决定叫醒的方法。可以是打客房电话，也可以是派服务员去敲门，睡得死怕耽误事的，还可以要求往自己头上浇盆水。这里，“叫醒”这个行为是旅馆提供的，相当于库函数，但是叫醒的方式是由旅客决定并告诉旅馆的，也就是回调函数。而旅客告诉旅馆怎么叫醒自己的动作，也就是把回调函数传入库函数的动作，称为登记回调函数（to register a callback function）
可以看到，回调函数通常和应用处于同一抽象层（因为传入什么样的回调函数是在应用级别决定的）。而回调就成了一个高层调用底层，底层再回过头来调用高层的过程。
回调机制的优势
从上面的例子可以看出，回调机制提供了非常大的灵活性。请注意，从现在开始，我们把图中的库函数改称为中间函数了，这是因为回调并不仅仅用在应用和库之间。任何时候，只要想获得类似于上面情况的灵活性，都可以利用回调。
这种灵活性是怎么实现的呢？乍看起来，回调似乎只是函数间的调用，但仔细一琢磨，可以发现两者之间的一个关键的不同：在回调中，我们利用某种方式，把回调函数像参数一样传入中间函数。可以这么理解，在传入一个回调函数之前，中间函数是不完整的。换句话说，程序可以在运行时，通过登记不同的回调函数，来决定、改变中间函数的行为。这就比简单的函数调用要灵活太多了。
作者：桥头堡
链接：https://www.zhihu.com/question/19801131/answer/27459821
来源：知乎
是不是还没太明白，只是大概有点了解咋回事了。 别急看下面代码。
一个简单的回调函数的程序
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
#!/usr/local/python27/bin/python2.7
def
a(i):
print
(
"this is a start"
)
print
(i)
print
(
"this is a stop"
)
def
b(func):
print
(
"this is b start"
)
for
i
in
range
(
10
):
func(i)
print
(
"this is b stop"
)
if
__name__
=
=
'__main__'
:
b(a)
|
输出如下:
一个使用多进程结合回调函数的示例程序
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#!/usr/local/python27/bin/python2.7
from
multiprocessing
import
Process,Pool
def
a(x):
print
(
"this is a start"
)
print
(x)
print
(
"this is a stop"
)
def
b(num):
return
(num)
if
__name__
=
=
'__main__'
:
p
=
Pool(
5
)
for
i
in
range
(
10
):
# 这里表示，当b函数执行完成之后就会调用a函数，并且把b函数的返回值传给a函数。
p.apply_async(b, args
=
(i,), callback
=
a)
p.close()
p.join()
|
输出如下:
多进程结合回调函数写文件的示例程序
http://blog.csdn.net/Q_AN1314/article/details/51923022
相信现在差不多明白了吧，还不明白的再返回上面看看理论。 理解也不是难事了。
Pymongo 相关文档
http://www.cnblogs.com/lomper/p/4776452.html?utm_source=tuicool&utm_medium=referral
http://api.mongodb.com/python/current/
本文转自qw87112 51CTO博客，原文链接:http://blog.51cto.com/tchuairen/1887468
