python3爬虫中多线程进行解锁操作实例

生活中我们为了保障房间里物品的安全，所以给门进行上锁，在我们需要进入房间的时候又会重新打开。同样的之间我们讲过多线程中的lock，作用是为了不让多个线程运行是出错所以进行锁住的指令。但是鉴于我们实际运用中，因为线程和指令不会只有一个，如果全部都进行lock操作就会出错。所以今天小编为大家进行lock的全面讲解，同时为大家带来lock的解锁方法。

由于线程之间随机调度，所以在使用共享变量时，某线程可能在执行n条后，CPU接着执行其他线程，很容易使得最终结果出错。为了多个线程同时操作一个内存中的资源时不产生混乱，我们可以使用锁。

Lock（指令锁）是可用的最低级的同步指令。Lock处于锁定状态时，不被特定的线程拥有。Lock包含两种状态——锁定和非锁定，以及两个基本的方法。

当线程请求锁定时，其他线程就不能获得这把锁，直到锁定的线程释放锁，其他线程才能继续使用。这就好比使用独卫，某个人进去了，把门锁上了，另一个人必须等待里面的人出来才能继续使用。

指令锁只能被同一个线程调用一次，如果需要多次请求，则需要了解一下可重入锁。

RLock（可重入锁）是一个可以被同一个线程请求多次的同步指令。RLock使用了“拥有的线程”和“递归等级”的概念，处于锁定状态时，RLock被某个线程拥有。拥有RLock的线程可以再次调用acquire()，释放锁时需要调用release()相同次数。

具体方法如下：

acquire([timeout]): 请求获得锁定。使线程进入同步阻塞状态。

release(): 释放锁。使用前线程必须已获得锁定，否则将抛出异常。

关于线程的锁的案例，这里给出一个简单的指令锁的示例，主要看下锁的作用。

import threading
sub = 0
num = 1000000
lock = threading.Lock()
def add():
 global sub,num
 for i in range(1,num):
   # 请求锁
   lock.acquire()
   sub += 1
   # 释放锁
   lock.release()
def red():
   sub -= 1
def main():
 print("开始运算，sub的值为{}".format(sub))
 t1 = threading.Thread(target=add,args=())
 t2 = threading.Thread(target=red,args=())
 t1.start()
 t2.start()
 t1.join()
 t2.join()
 print("结束运算，sub的值为{}".format(sub))
if __name__ == '__main__':
main()

有锁时，肯定是交替执行加减算法，但最后结果肯定还是可以为0。

注释锁后，再来看下结果。

再多执行几次后，会发现结束运算后的sub值每次都不一样，这其实就是因为共享变量，线程之间产生了混乱，导致sub的值无法确定。