Python中使用threading模块实现多线程可提升I/O密集型任务效率。1. 导入threading模块；2. 定义线程执行函数；3. 创建Thread对象并指定target和参数；4. 调用start()启动线程；5. 可选调用join()等待线程完成；6. 示例展示并发执行三个任务；7. 可通过继承Thread类重写run()方法实现复杂逻辑。注意GIL限制，CPU密集型任务建议使用multiprocessing。
Python 中使用 threading 模块实现多线程，可以让多个任务并发执行，提高程序效率，尤其是在 I/O 密集型操作中效果明显。下面介绍 threading 实现线程的基本过程和关键步骤。
1. 导入 threading 模块
要使用线程功能，首先要导入 threading 模块：
import threading
2. 定义线程执行的函数
每个线程运行时都会执行一个指定的函数。你可以定义普通函数作为线程目标：
def worker():
print(f'线程 {threading.current_thread().name} 正在运行')
3. 创建线程对象
通过 threading.Thread 类创建线程实例，指定 target 参数为目标函数：
立即进入“豆包AI人工智官网入口”；
立即学习“豆包AI人工智能在线问答入口”；
t = threading.Thread(target=worker, name='WorkerThread-1')
你也可以传递参数给目标函数，使用 args 或 kwargs：
def worker_with_args(name, delay):
import time
time.sleep(delay)
print(f'{name} 完成')
<p>t = threading.Thread(target=worker_with_args, args=('任务1', 2), name='Task1')</p>
4. 启动线程
调用线程对象的 start() 方法启动线程：
t.start() </font>
此时线程开始运行，target 函数会在新线程中执行。
5. 等待线程完成（可选）
如果希望主线程等待子线程结束再继续，可以调用 join() 方法：
豆包推出的AI编程助手
483
查看详情
t.join()
这会阻塞主线程，直到 t 线程执行完毕。
6. 完整示例
下面是一个完整的多线程示例：
import threading
import time
<p>def task(id):
print(f'任务 {id} 开始')
time.sleep(1)
print(f'任务 {id} 结束')</p><p>threads = []
for i in range(3):
t = threading.Thread(target=task, args=(i,))
threads.append(t)
t.start()</p><p>for t in threads:
t.join()</p><p>print('所有任务完成')</p>
这段代码会并发执行三个任务，输出顺序可能不固定，但最后“所有任务完成”一定在最后打印。
7. 使用类方式创建线程（进阶）
你也可以继承 threading.Thread 类，重写 run() 方法：
class MyThread(threading.Thread):
def run(self):
print(f'{self.name} 执行了 run 方法')
<p>t = MyThread()
t.start() # 自动调用 run()</p>
这种方式适合逻辑较复杂的线程任务。
基本上就这些。threading 模块让线程管理变得简单直观，掌握这几个核心步骤就能有效实现多线程编程。注意：由于 GIL 的存在，Python 多线程不适合 CPU 密集型任务，这类场景建议使用 multiprocessing。
大家都在看：
C++动态数组与Python缓冲区协议的正确集成
Python subprocess获取CLI输出中的ANSI转义码处理指南
优化Python单元测试结构：告别ImportError的专业实践
Python教程：高效统计文本中特定关键词的出现次数
暂无评论内容