Python 多进程实战 & 回调函数理解与实战[通俗易懂]

大家好，又见面了，我是全栈君。

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。

#!/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

#!/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()

实战三、读取 word 文档

读取 word 文档，按每段取出内容，分析整篇文档中去重后的单词数量

Python可以利用python-docx模块处理word文档，处理方式是面向对象的。也就是说python-docx模块会把word文档，文档中的段落、文本、字体等都看做对象，对对象进行处理就是对word文档的内容处理。

1、了解下 python-docx 模块的几个概念

Document对象，表示一个word文档。
Paragraph对象，表示word文档中的一个段落
Paragraph对象的text属性，表示段落中的文本内容。

2、模块的安装和导入

pip install python-docx

# 导入模块
import docx

3、实例代码

import docx
import re

# 获取文档对象
file = docx.Document('C:\\Users\\tuchao\\Desktop\\The little princess.docx')

#统计每个章节的去重单词数
for i in range(len(file.paragraphs)):
    # 循环文档的段落数，取出每一个段落的内容
    data = file.paragraphs[i].text
    data_list = re.split('[ ,]',data)

    if len(data_list) >= 2:
        if data_list[0] == 'Chapter':
            print(data)
        else:
            words_count = len(set(data_list))
            print(words_count)


# #统计整篇文章的去重单词数
count_list = []
for i in range(len(file.paragraphs)):
    data = file.paragraphs[i].text
    data_list = re.split('[ ,]',data)
    if len(data_list) > 2:
        count_list.extend(data_list)

#打印词表
print(set(count_list))
#打印单词数
print(len(set(count_list)))


# 更省内存的写法
count_set = set()
for i in range(len(file.paragraphs)):
    data = file.paragraphs[i].text
    data_list = re.split('[ ,]',data)
    if len(data_list) > 2:
        for word in data_list:
            count_set.add(word)
#打印词表
print(count_set)
#打印单词数
print(len(set(count_set)))

TXT 文本的处理代码

file = open('C:\\Users\\tuchao\\Desktop\\The Adventures of Pinocchio - Carlo Collodi.txt','r')

a = re.findall(r'((?:\w|\')+)',file.read())
print(len(set(a)))

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

#!/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

#!/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: