在Python中，我们可以使用requests库来发送HTTP请求，并使用threading、multiprocessing、asyncio（配合aiohttp）或concurrent.futures等库来并发执行这些请求。这里，我将为我们展示使用concurrent.futures.ThreadPoolExecutor和requests库并发执行HTTP请求的示例。
concurrent.futures.ThreadPoolExecutor并发发送请求示例首先，我们需要安装requests库（如果还没有安装的话）：
bash复制代码
pip install requests
然后，我们可以使用以下代码来并发地发送HTTP GET请求：
import concurrent.futures
import requests
# 假设我们有一个URL列表
urls = [
'http://example.com/api/data1',
'http://example.com/api/data2',
'http://example.com/api/data3',
# ... 添加更多URL
]
# 定义一个函数，该函数接收一个URL，发送GET请求，并打印响应内容
def fetch_data(url):
try:
response = requests.get(url)
response.raise_for_status() # 如果请求失败（例如，4xx、5xx），则抛出HTTPError异常
print(f"URL: {url}, Status Code: {response.status_code}, Content: {response.text[:100]}...")
except requests.RequestException as e:
print(f"Error fetching {url}: {e}")
# 使用ThreadPoolExecutor并发地执行fetch_data函数
with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor: # 你可以根据需要调整max_workers的值
future_to_url = {executor.submit(fetch_data, url): url for url in urls}
for future in concurrent.futures.as_completed(future_to_url):
url = future_to_url[future]
try:
# 通过调用future.result()来获取函数的返回值，这会阻塞，直到结果可用
# 但是请注意，这里我们只是打印结果，没有返回值，所以调用future.result()只是为了等待函数完成
future.result()
except Exception as exc:
print(f'Generated an exception for {url}: {exc}')
在这里简单解释一下这个代码示例。
（1）我们首先定义了一个URL列表，这些是我们想要并发访问的URL。
（2）然后，我们定义了一个函数fetch_data，它接收一个URL作为参数，发送GET请求，并打印响应的状态码和内容（只打印前100个字符以节省空间）。如果发生任何请求异常（例如，网络错误、无效的URL、服务器错误等），它会捕获这些异常并打印错误消息。
（3）使用concurrent.futures.ThreadPoolExecutor，我们可以轻松地并发执行fetch_data函数。我们创建了一个ThreadPoolExecutor实例，并指定了最大工作线程数（在这个例子中是5，但我们可以根据需要调整这个值）。然后，我们使用列表推导式将每个URL与一个Future对象关联起来，该对象表示异步执行的函数。
（4）最后，我们使用as_completed函数迭代所有完成的Future对象。对于每个完成的Future对象，我们调用result方法来获取函数的返回值（尽管在这个例子中我们没有使用返回值）。如果函数执行期间发生任何异常，result方法会重新引发该异常，我们可以捕获并处理它。
这个示例展示了如何使用Python的concurrent.futures模块来并发地发送HTTP请求。这种方法在IO密集型任务（如网络请求）上特别有效，因为它允许在等待IO操作完成时释放CPU资源供其他线程使用。
以下是一个使用concurrent.futures.ThreadPoolExecutor和requests库并发发送HTTP GET请求的完整Python代码示例：
import concurrent.futures
import requests
# 假设我们有一个URL列表
urls = [
'https://www.example.com',
'https://httpbin.org/get',
'https://api.example.com/some/endpoint',
# ... 添加更多URL
]
# 定义一个函数来发送GET请求并处理响应
def fetch_url(url):
try:
response = requests.get(url, timeout=5) # 设置超时为5秒
response.raise_for_status() # 如果请求失败，抛出HTTPError异常
return response.text # 返回响应内容，这里只是作为示例，实际使用中可能不需要返回
except requests.RequestException as e:
print(f"Error fetching {url}: {e}")
return None
# 使用ThreadPoolExecutor并发地发送请求
def fetch_all_urls(urls):
with concurrent.futures.ThreadPoolExecutor(max_workers=5) as executor:
# 使用executor.map来自动处理迭代和Future的获取
results = executor.map(fetch_url, urls)
# 处理结果（这里只是简单地打印出来）
for result in results:
if result is not None:
print(f"Fetched content from a URL (truncated): {result[:100]}...")
# 调用函数
fetch_all_urls(urls)
在这个示例中，我们定义了一个fetch_url函数，它接收一个URL，发送GET请求，并返回响应内容（或在出错时返回None）。然后，我们定义了一个fetch_all_urls函数，它使用ThreadPoolExecutor并发地调用fetch_url函数，并将结果收集在一个迭代器中。最后，我们遍历这个迭代器，并打印出每个成功获取到的响应内容（这里只打印了前100个字符作为示例）。
请注意，我们在requests.get中设置了一个超时参数（timeout=5），这是为了防止某个请求因为网络问题或其他原因而无限期地等待。在实际应用中，根据我们的需求调整这个值是很重要的。
此外，我们还使用了executor.map来自动处理迭代和Future的获取。executor.map函数会返回一个迭代器，它会产生fetch_url函数的返回值，这些值在函数完成后会自动从相应的Future对象中提取出来。这使得代码更加简洁，并且减少了显式处理Future对象的需要。
在Python中实现并发编程，主要有以下几种方式：
（1）使用threading模块
threading模块提供了多线程编程的API。Python的线程是全局解释器锁（GIL）下的线程，这意味着在任意时刻只有一个线程能够执行Python字节码。然而，对于I/O密集型任务（如网络请求），多线程仍然可以通过并发地等待I/O操作来提高性能。
示例：
import threading
import requests
def fetch_url(url):
try:
response = requests.get(url)
response.raise_for_status()
print(f"URL: {url}, Status Code: {response.status_code}")
except requests.RequestException as e:
print(f"Error fetching {url}: {e}")
threads = []
for url in urls:
t = threading.Thread(target=fetch_url, args=(url,))
threads.append(t)
t.start()
# 等待所有线程完成
for t in threads:
t.join()
（2）使用multiprocessing模块
multiprocessing模块提供了跨多个Python解释器的进程间并行处理。这对于CPU密集型任务特别有用，因为每个进程都有自己的Python解释器和GIL，可以充分利用多核CPU的并行处理能力。
示例：
from multiprocessing import Pool
import requests
def fetch_url(url):
try:
response = requests.get(url)
response.raise_for_status()
return f"URL: {url}, Status Code: {response.status_code}"
except requests.RequestException as e:
return f"Error fetching {url}: {e}"
with Pool(processes=4) as pool: # 设定进程池的大小
results = pool.map(fetch_url, urls)
for result in results:
print(result)
（3）使用asyncio模块（针对异步I/O）
asyncio是Python 3.4+中引入的用于编写单线程并发代码的库，特别适合编写网络客户端和服务器。它使用协程（coroutine）和事件循环（event loop）来管理并发。
示例（使用aiohttp库进行异步HTTP请求）：
import asyncio
import aiohttp
async def fetch_url(url, session):
async with session.get(url) as response:
return await response.text()
async def main():
async with aiohttp.ClientSession() as session:
tasks = []
for url in urls:
task = asyncio.create_task(fetch_url(url, session))
tasks.append(task)
results = await asyncio.gather(*tasks)
for result, url in zip(results, urls):
print(f"URL: {url}, Content: {result[:100]}...")
# Python 3.7+ 可以使用下面的方式运行主协程
asyncio.run(main())
注意：asyncio.run()是在Python 3.7中引入的，用于运行顶层入口点函数。在Python 3.6及以下版本中，我们需要自己设置和运行事件循环。
（4）使用concurrent.futures模块
concurrent.futures模块提供了高层次的接口，可以轻松地编写并发代码。它提供了ThreadPoolExecutor（用于线程池）和ProcessPoolExecutor（用于进程池）。
前面已经给出了ThreadPoolExecutor的示例，这里不再重复。ProcessPoolExecutor的用法与ThreadPoolExecutor类似，只是它是基于进程的。
选择哪种并发方式取决于我们的具体需求。对于I/O密集型任务，多线程或异步I/O通常是更好的选择；对于CPU密集型任务，多进程可能是更好的选择。此外，异步I/O通常比多线程具有更好的性能，特别是在高并发的网络应用中。