python 多线程学习

以下面的爬虫程序为例，详细学习python多线程编程。
知识点：

守护进程：也叫Daemon进程, 运行在linux或unix一种后台进程。不依赖终端运行，运行过程不会被终端打断，信息不会在终端上被显示出来，周期性执行任务或者等待某些事件的发生，与系统共生死，在系统启动时守护进程运行于后台，当系统关闭时，该进程也结束。
守护线程：python中的守护线程类似于java中的守护线程，像守护进程一样，在后台执行某些任务，当全部的user用户任务执行完毕，守护线程也结束。比如说java虚拟机的垃圾回收线程。具体参考守护线程总结

import urllib2
from threading import Thread,RLock
from Queue import Queue  #Python中的Queue对象也提供了对线程同步的支持。使用Queue对象可以实现多个生产者和多个消费者形成的FIFO的队列。
import time

'''f = Fetcher(threads=10) #设定下载线程数为10
for url in urls:
    f.push(url)  #把所有url推入下载队列
while f.taskleft(): #若还有未完成下载的线程
    content = f.pop()  #从下载完成队列中取出结果
    do_with(content) # 处理content内容'''
#在threading模块中，定义两种类型的琐：threading.Lock和threading.RLock。
class Fetcher:
    def __init__(self,threads):# 创建完对象后调用，对当前对象的实例的一些初始化，无返回值
        self.opener = urllib2.build_opener(urllib2.HTTPHandler)#build_opener默认添加几个处理器，但提供快捷的方法来添加或更新默认处理器。
        self.lock =RLock() #线程锁,同一线程不能多次调用acquire，死锁
        self.q_req = Queue() #任务队列，实现线程同步
        self.q_ans = Queue() #完成队列
        self.threads = threads
        for i in range(threads):
            t = Thread(target=self.threadget)#threadget函数作为参数
            t.setDaemon(True)#主线程A启动了子线程B，调用b.setDaemaon(True)，则主线程结束时，会把子线程B也杀死，必须在start()之前调用，默认false.
            t.start()
        self.running = 0
'''
当我们获得一个url正在使用一个opener（一个urllib2.OpenerDirector的实例），正常情况下默认是urlopen,但是我们可以创建opener，并通过handler处理该url。见[opener学习链接](http://blog.csdn.net/hshl1214/article/details/45853863)
'''

    def __del__(self): #解构时需等待两个队列完成
        time.sleep(0.5)
        self.q_req.join()
        self.q_ans.join()

    def taskleft(self):
        return self.q_req.qsize()+self.q_ans.qsize()+self.running

    def push(self,req):
        self.q_req.put(req)#调用队列对象的put()方法在队尾插入一个项目。put()有两个参数，第一个item为必需的，为插入项目的值；第二个block为可选参数，默认为1。如果队列当前为空且block为1，put()方法就使调用线程暂停,直到空出一个数据单元。如果block为0，put方法将引发Full异常。

    def pop(self):
        return self.q_ans.get()

    def threadget(self):
      while True:
            req = self.q_req.get()#调用队列对象的get()方法从队头删除并返回一个项目。可选参数为block，默认为True。如果队列为空且block为True，get()就使调用线程暂停，直至有项目可用。如果队列为空且block为False，队列将引发Empty异常。
            self.lock.acquire()
            #with self.lock: #要保证该操作的原子性，进入critical area
            self.running += 1
            self.lock.release()
            try:
                ans = self.opener.open(req).read()
            except Exception, what:
                ans = ''
                print what
            self.q_ans.put((req,ans))
            #with self.lock:
            self.lock.acquire()
            self.running -= 1
            self.lock.release()
            self.q_req.task_done()#在完成一项工作之后，Queue.task_done() 函数向任务已经完成的队列发送一个信号
            time.sleep(0.1) # don't spam

if __name__ == "__main__":
    #访问限制的问题见http://www.pythonclub.org/python-network-application/observer-spider#%E5%A4%9A%E7%BA%BF%E7%A8%8B%E5%B9%B6%E5%8F%91%E6%8A%93%E5%8F%96
    headers = {
    'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'
    }
    req = urllib2.Request(
    url ="http://blog.csdn.net/zhaoyl03/article/details/8631645" ,
    headers = headers
    )
    links = []
    links.append("http://china.cnr.cn/yaowen/20151205/t20151205_520695743.shtml")
    links.append("http://www.cankaoxiaoxi.com/roll/roll10/2015/1205/1017899.shtml")
    links.append("http://baijia.baidu.com/?tn=topic&topicid=xd61e4WS")
    links.append(req)
    f = Fetcher(threads=6)
    for url in links:
        f.push(url)
    while f.taskleft():
        url,content = f.pop()
        print url,len(content)