【学习心得】Python中的queue模块使用

一、Queue模块的知识点思维导图

二、Queue模块常用函数介绍

queue模块是内置的，不需要安装直接导入就可以了。

（1）创建一个Queue对象

import queue# 创建一个队列实例
q = queue.Queue(maxsize=20)   # 可选参数，默认为无限大

（2）入队

# 导入Python标准库中的queue模块，该模块提供了线程安全的队列数据结构
import queue# 创建一个Queue对象，可以理解为初始化一个队列，参数maxsize默认为0，表示队列大小无限制
q = queue.Queue()# 使用for循环将数字0到9依次放入队列中
# put方法用于将元素放入队列尾部，即执行入队操作
for i in range(10):q.put(i)  # 这里每执行一次，就将i（0-9）作为一个元素放入队列中# 此时，队列q中按照先进先出（FIFO）原则存储了数字0-9

（3）出队

# 导入Python内置的queue模块，其中包含线程安全的队列数据结构
import queue# 创建一个Queue对象，即初始化一个空队列
q = queue.Queue()# 使用for循环将0到9这10个整数依次入队
# put方法将元素添加到队列的末尾
for i in range(10):q.put(i)  # 每次循环都将i作为元素放入队列中

（4）判空

# 导入Python内置的queue模块，其中包含线程安全的队列数据结构
import queue# 创建一个Queue对象，即初始化一个空队列
q = queue.Queue()# 使用for循环将0到9这10个整数依次入队
# put方法将元素添加到队列的末尾
for i in range(10):q.put(i)  # 每次循环都将i作为元素放入队列中# 使用while循环检查队列是否为空
# 当队列不为空时，持续执行循环体内的操作
while not q.empty():  # 使用get方法从队列中取出并移除一个元素# 默认情况下，get方法会阻塞直到有元素可用（除非设置了非阻塞模式）data = q.get()  # 打印从队列中取出的元素print(data)# 当队列为空时，while循环结束
# 此时所有之前入队的整数0-9会被按照先进先出（FIFO）的原则依次出队并打印

（5）判满

import queue# 初始化一个容量为5的队列
q = queue.Queue(maxsize=5)# 入队操作
for i in range(10):# 在入队前检查队列是否已满if q.full():print("Queue is full, cannot insert more items.")else:q.put(i)# 若队列已满，可以选择等待一段时间后重试或其他处理策略if q.full():time.sleep(1)  # 假设休眠一秒后重试continuewhile not q.empty():data = q.get()print(data)

（6）获取队列长度

import queue# 创建一个队列
q = queue.Queue()# 将10个元素放入队列
for i in range(10):q.put(i)# 打印队列长度
print(f"Queue size before processing: {q.qsize()}")# 处理队列中的元素，同时打印队列长度
while not q.empty():data = q.get()print(f"Processing element: {data}, current queue size: {q.qsize()}")# 在处理过程中，每次从队列中取出一个元素后，队列长度都会减一

（7）task_done() 和 unfinished_tasks

import queue
import threading# 创建一个队列
q = queue.Queue()# 生产者线程将任务放入队列
def producer():for i in range(10):q.put(i)print(f"Producer added task: {i}")# 消费者线程从队列中取出并处理任务
def consumer():while True:task = q.get()  # 获取任务print(f"Consumer started working on task: {task}")# 这里模拟任务处理过程# 实际应用中，此处应替换为实际的任务处理逻辑process_task(task)# 任务处理完毕，调用 task_done()q.task_done()print(f"Consumer finished task: {task}")# 检查队列是否为空且所有任务都已经完成if q.empty() and q.unfinished_tasks == 0:print("All tasks completed, exiting consumer.")break# 创建并启动生产者线程
p = threading.Thread(target=producer)
p.start()
p.join()  # 确保生产者线程完成任务# 创建并启动消费者线程
c = threading.Thread(target=consumer)
c.start()
c.join()  # 等待消费者线程处理完所有任务并退出# 由于消费者线程在所有任务完成后退出，所以在此处不需要再次检查队列状态

（8）join

import queue
import threading# 创建一个队列
q = queue.Queue()# 生产者线程将任务放入队列
def producer():for i in range(10):q.put(i)print("Producer has added all tasks.")# 消费者线程从队列中取出并处理任务
def consumer():while True:task = q.get()  # 获取任务print(f"Consumer started working on task: {task}")# 这里模拟任务处理过程# 实际应用中，此处应替换为实际的任务处理逻辑process_task(task)# 任务处理完毕，调用 task_done()q.task_done()print(f"Consumer finished task: {task}")# 检查队列是否为空if q.empty():print("No more tasks in the queue.")break# 创建并启动生产者线程
p = threading.Thread(target=producer)
p.start()
p.join()  # 确保生产者线程完成任务添加# 创建并启动消费者线程
c = threading.Thread(target=consumer)
c.start()# 主线程等待所有任务完成
q.join()  # 阻塞主线程，直到所有从队列中取出的任务都被标记为完成print("All tasks have been processed and marked as done.")