Python中无限循环与独立任务的并发执行策略-Python教程-PHP中文网

Python中无限循环与独立任务的并发执行策略

聖光之護

发布： 2025-11-07 12:03:49

原创

117人浏览过

Python中无限循环与独立任务的并发执行策略

本文探讨了python中因无限循环阻塞后续代码执行的问题，并提供了两种解决方案。首先，通过将独立代码移入循环内部实现顺序执行；其次，利用python的`threading`模块实现多任务并发运行，从而允许不同功能（如窗口监控和独立打印）同时进行，提高程序响应性和效率。

在Python编程中，我们经常会遇到需要程序持续运行以监控某些状态或执行周期性任务的情况，例如持续关闭特定窗口。这通常通过一个无限循环（while True）来实现。然而，一个常见的陷阱是，如果将其他需要执行的代码放置在无限循环之后，这些代码将永远无法被执行到。本文将详细分析这一问题，并提供两种有效的解决方案，包括简单的循环内嵌和更高级的并发编程技术——多线程。

理解问题：无限循环的阻塞效应

当Python解释器执行到while True:这样的无限循环时，它会不断地重复循环体内的代码，而不会跳出循环去执行循环体外的任何代码。这意味着，如果你的程序结构如下所示：

while True:
    # 执行一些重复性任务
    pass # 示例占位符

print("hello.") # 这行代码永远不会被执行

登录后复制

那么print("hello.")这行代码将永远不会被执行到，因为它被无限循环“阻塞”了。对于需要同时进行窗口管理和独立输出的场景，这显然不是我们期望的结果。

解决方案一：将独立任务纳入循环

最直接的解决方案是将需要执行的独立任务（例如print("hello.")）移动到无限循环的内部。这样，在每次循环迭代时，该任务都会被执行一次。

立即学习“Python免费学习笔记（深入）”；

import pyautogui
import time

while True:
    # 查找并关闭Notepad窗口
    for win in pyautogui.getWindowsWithTitle('notepad'):
        print(f"关闭Notepad窗口: {win}")
        win.close()

    # 查找并关闭Google窗口
    for win in pyautogui.getWindowsWithTitle('google'):
        print(f"关闭Google窗口: {win}")
        win.close()

    # 每次循环迭代时打印"hello."
    print("hello.")

    # 可选：添加延迟以避免CPU占用过高，并控制循环频率
    time.sleep(0.5)

登录后复制

优点：

实现简单，易于理解。
适用于独立任务与循环任务之间存在紧密时间关联，或独立任务需要与循环任务同步执行的场景。

缺点：

行者AI

行者AI绘图创作，唤醒新的灵感，创造更多可能

100

查看详情

如果独立任务的执行频率远低于循环任务，或者独立任务与循环任务在逻辑上是完全独立的，这种方法可能不够优雅。
独立任务的执行仍然是顺序的，即它必须等待前面的窗口关闭操作完成后才能执行。

解决方案二：利用多线程实现并发执行

当需要真正意义上的“同时”执行两个或多个独立任务时，Python的threading模块是更专业的选择。多线程允许程序创建多个执行流，每个流（线程）可以独立地运行一部分代码。

import threading
import time
import pyautogui

# 定义第一个任务：模拟新闻爬取或其他独立功能
def crawl_news():
    while True: # 如果这个任务也需要持续运行
        print("正在执行新闻爬取任务...")
        time.sleep(3) # 模拟耗时操作

# 定义第二个任务：持续检查并关闭指定窗口
def check_windows():
    while True:
        notepad_open = len(pyautogui.getWindowsWithTitle('notepad')) > 0
        google_open = len(pyautogui.getWindowsWithTitle('google')) > 0

        if notepad_open:
            print("检测到Notepad窗口打开，准备关闭...")
            for win in pyautogui.getWindowsWithTitle('notepad'):
                win.close()

        if google_open:
            print("检测到Google窗口打开，准备关闭...")
            for win in pyautogui.getWindowsWithTitle('google'):
                win.close()

        time.sleep(1) # 控制窗口检查频率

# 创建线程
# target参数指定线程要执行的函数
news_process = threading.Thread(target=crawl_news)
window_process = threading.Thread(target=check_windows)

# 启动线程
# start()方法使线程开始执行其target函数
news_process.start()
window_process.start()

# 等待线程完成（对于无限循环的线程，join()会一直阻塞主线程）
# 在此示例中，由于两个线程都是无限循环，主线程会在此处无限等待。
# 如果主线程还有其他任务，可以不调用join()，但需要确保主线程不会过早退出。
news_process.join()
window_process.join()

print("所有线程已启动，主程序将等待它们完成...") # 这行代码在join()无限阻塞的情况下不会被执行

登录后复制

代码解析：

定义任务函数： 将每个独立的任务封装成一个函数（例如crawl_news和check_windows）。这些函数内部可以包含自己的无限循环。
创建线程对象： threading.Thread(target=function_name)创建一个线程对象，target参数指定了该线程要执行的函数。
启动线程： 调用线程对象的start()方法，这将使操作系统为该线程分配资源，并开始执行其target函数。
等待线程完成（可选）： thread.join()方法会阻塞当前线程（通常是主线程），直到被join的线程执行完毕。在上述例子中，由于crawl_news和check_windows内部都是无限循环，join()将使主线程无限期地等待，这对于守护进程或需要长期运行的后台任务是常见的模式。如果主线程有其他后续任务，或者希望主线程在启动子线程后继续执行，可以不调用join()，但需要注意程序的退出机制。

多线程的注意事项：

GIL (Global Interpreter Lock): Python的CPython解释器有一个全局解释器锁（GIL），这意味着在任何给定时刻，只有一个线程能真正执行Python字节码。因此，多线程在CPU密集型任务上可能无法实现真正的并行计算，但在I/O密集型任务（如文件读写、网络请求、等待用户输入或系统调用如pyautogui的操作）上仍能显著提高效率，因为它允许一个线程在等待I/O时释放GIL，让另一个线程运行。
线程安全： 当多个线程访问和修改共享数据时，可能会导致数据不一致的问题，这被称为竞态条件。需要使用锁（threading.Lock）或其他同步机制来保护共享资源。本教程的示例中，两个任务没有直接共享数据，因此无需考虑线程安全问题。
资源消耗： 创建和管理线程会消耗一定的系统资源。不应创建过多的线程，以免造成系统负担。
time.sleep()的重要性： 在无限循环的线程中，务必添加time.sleep()来引入适当的延迟。这可以防止线程空转，持续占用CPU资源，导致系统性能下降。