codecamp

Python网络编程之线程与进程

What is a Thread?

线程是操作系统能够进行运算调度的最小单位,它被包含在进程之中,是进程中的实际运作单位,一条线程指的是进程中一个单一顺序的控制流,一个进程中可以并发多个线程,每条线程并行执行不同的任务。

在同一个进程内的线程的数据是可以进行互相访问的。

线程的切换使用过上下文来实现的,比如有一本书,有a和b这两个人(两个线程)看,a看完之后记录当前看到那一页哪一行,然后交给b看,b看完之后记录当前看到了那一页哪一行,此时a又要看了,那么a就通过上次记录的值(上下文)直接找到上次看到了哪里,然后继续往下看。



What is a Process?

一个进程至少要包含一个线程,每个进程在启动的时候就会自动的启动一个线程,进程里面的第一个线程就是主线程,每次在进程内创建的子线程都是由主线程进程创建和销毁,子线程也可以由主线程创建出来的线程创建和销毁线程。

进程是对各种资源管理的集合,比如要调用内存、CPU、网卡、声卡等,进程要操作上述的硬件之前都必须要创建一个线程,进程里面可以包含多个线程,QQ就是一个进程。

继续拿QQ来说,比如我现在打卡了QQ的聊天窗口、个人信息窗口、设置窗口等,那么每一个打开的窗口都是一个线程,他们都在执行不同的任务,比如聊天窗口这个线程可以和好友进行互动,聊天,视频等,个人信息窗口我可以查看、修改自己的资料。

为了进程安全起见,所以两个进程之间的数据是不能够互相访问的(默认情况下),比如自己写了一个应用程序,然后让别人运行起来,那么我的这个程序就可以访问用户启动的其他应用,我可以通过我自己的程序去访问QQ,然后拿到一些聊天记录等比较隐秘的信息,那么这个时候就不安全了,所以说进程与进程之间的数据是不可以互相访问的,而且每一个进程的内存是独立的。


进程与线程的区别?

  1. 线程是执行的指令集,进程是资源的集合

  2. 线程的启动速度要比进程的启动速度要快

  3. 两个线程的执行速度是一样的

  4. 进程与线程的运行速度是没有可比性的

  5. 线程共享创建它的进程的内存空间,进程的内存是独立的。

  6. 两个线程共享的数据都是同一份数据,两个子进程的数据不是共享的,而且数据是独立的;

  7. 同一个进程的线程之间可以直接交流,同一个主进程的多个子进程之间是不可以进行交流,如果两个进程之间需要通信,就必须要通过一个中间代理来实现;

  8. 一个新的线程很容易被创建,一个新的进程创建需要对父进程进行一次克隆

  9. 一个线程可以控制和操作同一个进程里的其他线程,线程与线程之间没有隶属关系,但是进程只能操作子进程

  10. 改变主线程,有可能会影响到其他线程的行为,但是对于父进程的修改是不会影响子进程;

一个多并发的小脚本

  1. import threading

  2. import time

  3. def Princ(String):

  4.    print('task', String)

  5.    time.sleep(5)

  6. # target=目标函数, args=传入的参数

  7. t1 = threading.Thread(target=Princ, args=('t1',))

  8. t1.start()

  9. t2 = threading.Thread(target=Princ, args=('t1',))

  10. t2.start()

  11. t3 = threading.Thread(target=Princ, args=('t1',))

  12. t3.start()

参考文档

进程与线程的一个简单解释
http://www.ruanyifeng.com/blog/2013/04/processes_and_threads.html
Linux进程与线程的区别
https://my.oschina.net/cnyinlinux/blog/422207

线程

Thread module emulating a subset of Java’s threading model.

调用threading模块调用线程的两种方式

直接调用

  1. import threading

  2. import time

  3. def Princ(String):

  4.    print('task', String)

  5.    time.sleep(5)

  6. # target=目标函数, args=传入的参数

  7. t1 = threading.Thread(target=Princ, args=('t1',))

  8. t1.start()

  9. t2 = threading.Thread(target=Princ, args=('t1',))

  10. t2.start()

  11. t3 = threading.Thread(target=Princ, args=('t1',))

  12. t3.start()

通过类调用

  1. import threading

  2. import time

  3. class MyThreading(threading.Thread):

  4.    def __init__(self, conn):

  5.        super(MyThreading, self).__init__()

  6.        self.conn = conn

  7.    def run(self):

  8.        print('run task', self.conn)

  9.        time.sleep(5)

  10. t1 = MyThreading('t1')

  11. t2 = MyThreading('t2')

  12. t1.start()

  13. t2.start()

多线程

多线程在Python内实则就是一个假象,为什么这么说呢,因为CPU的处理速度是很快的,所以我们看起来以一个线程在执行多个任务,每个任务的执行速度是非常之快的,利用上下文切换来快速的切换任务,以至于我们根本感觉不到。

但是频繁的使用上下文切换也是要耗费一定的资源,因为单线程在每次切换任务的时候需要保存当前任务的上下文。

什么时候用到多线程?

首先IO操作是不占用CPU的,只有计算的时候才会占用CPU(譬如1+1=2),Python中的多线程不适合CPU密集型的任务,适合IO密集型的任务(sockt server)。

启动多个线程

主进程在启动之后会启动一个主线程,下面的脚本中让主线程启动了多个子线程,然而启动的子线程是独立的,所以主线程不会等待子线程执行完毕,而是主线程继续往下执行,并行执行。

  1. for i in range(50):

  2.    t = threading.Thread(target=Princ, args=('t-%s' % (i),))

  3.    t.start()

join()

join()方法可以让程序等待每一个线程之后完成之后再往下执行,又成为串行执行。

  1. import threading

  2. import time

  3. def Princ(String):

  4.    print('task', String)

  5.    time.sleep(1)

  6. for i in range(50):

  7.    t = threading.Thread(target=Princ, args=('t-%s' % (i),))

  8.    t.start()

  9.    # 当前线程执行完毕之后在执行后面的线程

  10.    t.join()

让主线程阻塞,子现在并行执行

  1. import threading

  2. import time

  3. def Princ(String):

  4.    print('task', String)

  5.    time.sleep(2)

  6. # 执行子线程的时间

  7. start_time = time.time()

  8. # 存放线程的实例

  9. t_objs = []

  10. for i in range(50):

  11.    t = threading.Thread(target=Princ, args=('t-%s' % (i),))

  12.    t.start()

  13.    # 为了不让后面的子线程阻塞,把当前的子线程放入到一个列表中

  14.    t_objs.append(t)

  15. # 循环所有子线程实例,等待所有子线程执行完毕

  16. for t in t_objs:

  17.    t.join()

  18. # 当前时间减去开始时间就等于执行的过程中需要的时间

  19. print(time.time() - start_time)

查看主线程与子线程

  1. import threading

  2. class MyThreading(threading.Thread):

  3.    def __init__(self):

  4.        super(MyThreading, self).__init__()

  5.    def run(self):

  6.        print('我是子线程: ', threading.current_thread())

  7. t = MyThreading()

  8. t.start()

  9. print('我是主线程: ', threading.current_thread())

输出如下:

  1. C:\Python\Python35\python.exe E:/MyCodeProjects/进程与线程/s3.py

  2. 我是子线程:  <MyThreading(Thread-1, started 7724)>

  3. 我是主线程:  <_MainThread(MainThread, started 3680)>

  4. Process finished with exit code 0

查看当前进程的活动线程个数

  1. import threading

  2. class MyThreading(threading.Thread):

  3.    def __init__(self):

  4.        super(MyThreading, self).__init__()

  5.    def run(self):

  6.        print('www.anshengme.com')

  7. t = MyThreading()

  8. t.start()

  9. print('线程个数: ', threading.active_count())

输出如下:

  1. C:\Python\Python35\python.exe E:/MyCodeProjects/进程与线程/s3.py

  2. www.anshengme.com

  3. # 一个主线程和一个子线程

  4. 线程个数:  2

  5. Process finished with exit code 0

Event

Event是线程间通信最间的机制之一:一个线程发送一个event信号,其他的线程则等待这个信号。用于主线程控制其他线程的执行。 Events 管理一个flag,这个flag可以使用set
()设置成True或者使用clear()重置为False,wait()则用于阻塞,在flag为True之前。flag默认为False。

选项描述
Event.wait([timeout])堵塞线程,直到Event对象内部标识位被设为True或超时(如果提供了参数timeout)
Event.set()将标识位设为Ture
Event.clear()将标识伴设为False
Event.isSet()判断标识位是否为Ture
  1. #!/use/bin/env python

  2. # _*_ coding: utf-8- _*_

  3. import threading

  4. def runthreading(event):

  5.    print("Start...")

  6.    event.wait()

  7.    print("End...")

  8. event_obj = threading.Event()

  9. for n in range(10):

  10.    t = threading.Thread(target=runthreading, args=(event_obj,))

  11.    t.start()

  12. event_obj.clear()

  13. inp = input("True/False?>> ")

  14. if inp == "True":

  15.    event_obj.set()

  16. `

守护进程(守护线程)

一个主进程可以启动多个守护进程,但是主进程必须要一直运行,如果主进程挂掉了,那么守护进程也会随之挂掉

程序会等待主线程(进程)执行完毕,但是不会等待守护进程(线程)

  1. import threading

  2. import time

  3. def Princ(String):

  4.    print('task', String)

  5.    time.sleep(2)

  6. for i in range(50):

  7.    t = threading.Thread(target=Princ, args=('t-%s' % (i),))

  8.    t.setDaemon(True)  # 把当前线程设置为守护线程,要在start之前设置

  9.    t.start()

场景预设: 比如现在有一个FTP服务,每一个用户连接上去的时候都会创建一个守护线程,现在已经有300个用户连接上去了,就是说已经创建了300个守护线程,但是突然之间FTP服务宕掉了,这个时候就不会等待守护线程执行完毕再退出,而是直接退出,如果是普通的线程,那么就会登台线程执行完毕再退出。

  1. #!/use/bin/env python

  2. # _*_ coding:utf-8 _*_

  3. from multiprocessing import Process

  4. import time

  5. def runprocess(arg):

  6.    print(arg)

  7.    time.sleep(2)

  8. p = Process(target=runprocess, args=(11,))

  9. p.daemon=True

  10. p.start()

  11. print("end")

线程之间的数据交互与锁(互斥锁)

python2.x需要加锁,但是在python3.x上面就不需要了

  1. # _*_ coding:utf-8 _*_

  2. import threading

  3. def Princ():

  4.    # 获取锁

  5.    lock.acquire()

  6.    # 在函数内可以直接修改全局变量

  7.    global number

  8.    number += 1

  9.    # 为了避免让程序出现串行,不能加sleep

  10.    # time.sleep(1)

  11.    # 释放锁

  12.    lock.release()

  13. # 锁

  14. lock = threading.Lock()

  15. # 主线程的number

  16. number = 0

  17. t_objs = []

  18. for i in range(100):

  19.    t = threading.Thread(target=Princ)

  20.    t.start()

  21.    t_objs.append(t)

  22. for t in t_objs:

  23.    t.join()

  24. print('Number:', number)

递归锁(Lock/RLock)

  1. import threading

  2. def run1():

  3.    print("grab the first part data")

  4.    lock.acquire()

  5.    global num

  6.    num += 1

  7.    lock.release()

  8.    return num

  9. def run2():

  10.    print("grab the second part data")

  11.    lock.acquire()

  12.    global num2

  13.    num2 += 1

  14.    lock.release()

  15.    return num2

  16. def run3():

  17.    lock.acquire()

  18.    res = run1()

  19.    print('--------between run1 and run2-----')

  20.    res2 = run2()

  21.    lock.release()

  22.    print(res, res2)

  23. t_objs = []

  24. if __name__ == '__main__':

  25.    num, num2 = 0, 0

  26.    lock = threading.RLock()  # RLock()类似创建了一个字典,每次退出的时候找到字典的值进行退出

  27.    # lock = threading.Lock()  # Lock()会阻塞在这儿

  28.    for i in range(10):

  29.        t = threading.Thread(target=run3)

  30.        t.start()

  31.        t_objs.append(t)

  32. for t in t_objs:

  33.    t.join()

  34. print(num, num2)

信号量(Semaphore)

互斥锁同时只允许一个线程更改数据,而Semaphore是同时允许一定数量的线程更改数据

  1. import threading

  2. import time

  3. def run(n):

  4.    semaphore.acquire()  # 获取信号,信号可以有多把锁

  5.    time.sleep(1)  # 等待一秒钟

  6.    print("run the thread: %s\n" % n)

  7.    semaphore.release()  # 释放信号

  8. t_objs = []

  9. if __name__ == '__main__':

  10.    semaphore = threading.BoundedSemaphore(5)  # 声明一个信号量,最多允许5个线程同时运行

  11.    for i in range(20):  # 运行20个线程

  12.        t = threading.Thread(target=run, args=(i,))  # 创建线程

  13.        t.start()  # 启动线程

  14.        t_objs.append(t)

  15. for t in t_objs:

  16.    t.join()

  17. print('>>>>>>>>>>>>>')

以上代码中,类似与创建了一个队列,最多放5个任务,每执行完成一个任务就会往后面增加一个任务。

多进程

多进程的资源是独立的,不可以互相访问。

启动一个进程

  1. from multiprocessing import Process

  2. import time

  3. def f(name):

  4.    time.sleep(2)

  5.    print('hello', name)

  6. if __name__ == '__main__':

  7.    # 创建一个进程

  8.    p = Process(target=f, args=('bob',))

  9.    # 启动

  10.    p.start()

  11.    # 等待进程执行完毕

  12.    p.join(

在进程内启动一个线程

  1. from multiprocessing import Process

  2. import threading

  3. def Thread(String):

  4.    print(String)

  5. def Proces(String):

  6.    print('hello', String)

  7.    t = threading.Thread(target=Thread, args=('Thread %s' % (String),))  # 创建一个线程

  8.    t.start()  # 启动它

  9. if __name__ == '__main__':

  10.    p = Process(target=Proces, args=('World',))  # 创建一个进程

  11.    p.start()  # 启动

  12.    p.join()  # 等待进程执行完毕

启动一个多进程

  1. from multiprocessing import Process

  2. import time

  3. def f(name):

  4.    time.sleep(2)

  5.    print('hello', name)

  6. if __name__ == '__main__':

  7.    for n in range(10):  # 创建一个进程

  8.        p = Process(target=f, args=('bob %s' % (n),))

  9.        # 启动

  10.        p.start()

  11.        # 等待进程执行完毕

获取启动进程的PID

  1. # _*_ coding:utf-8 _*_

  2. from multiprocessing import Process

  3. import os

  4. def info(String):

  5.    print(String)

  6.    print('module name:', __name__)

  7.    print('父进程的PID:', os.getppid())

  8.    print('子进程的PID:', os.getpid())

  9.    print("\n")

  10. def ChildProcess():

  11.    info('\033[31;1mChildProcess\033[0m')

  12. if __name__ == '__main__':

  13.    info('\033[32;1mTheParentProcess\033[0m')

  14.    p = Process(target=ChildProcess)

  15.    p.start()

输出结果

  1. C:\Python\Python35\python.exe E:/MyCodeProjects/多进程/s1.py

  2. TheParentProcess

  3. module name: __main__

  4. # Pycharm的PID

  5. 父进程的PID: 6888

  6. # 启动的脚本PID

  7. 子进程的PID: 4660

  8. ChildProcess

  9. module name: __mp_main__

  10. # 脚本的PID

  11. 父进程的PID: 4660

  12. # 父进程启动的子进程PID

  13. 子进程的PID: 8452

  14. Process finished with exit code 0

进程间通信

默认情况下进程与进程之间是不可以互相通信的,若要实现互相通信则需要一个中间件,另个进程之间通过中间件来实现通信,下面是进程间通信的几种方式。

进程Queue

  1. # _*_ coding:utf-8 _*_

  2. from multiprocessing import Process, Queue

  3. def ChildProcess(Q):

  4.    Q.put(['Hello', None, 'World'])  # 在Queue里面上传一个列表

  5. if __name__ == '__main__':

  6.    q = Queue()  # 创建一个Queue

  7.    p = Process(target=ChildProcess, args=(q,))  # 创建一个子进程,并把Queue传给子进程,相当于克隆了一份Queue

  8.    p.start()  # 启动子进程

  9.    print(q.get())  # 获取q中的数据

  10.    p.join()

管道(Pipes)

  1. # _*_ coding:utf-8 _*_

  2. from multiprocessing import Process, Pipe

  3. def ChildProcess(conn):

  4.    conn.send(['Hello', None, 'World'])  # 写一段数据

  5.    conn.close()  # 关闭

  6. if __name__ == '__main__':

  7.    parent_conn, child_conn = Pipe()  # 生成一个管道实例,parent_conn, child_conn管道的两头

  8.    p = Process(target=ChildProcess, args=(child_conn,))

  9.    p.start()

  10.    print(parent_conn.recv())  # 收取消息

  11.    p.join()

数据共享(Managers)

  1. # _*_ coding:utf-8 _*_

  2. # _*_ coding:utf-8 _*_

  3. from multiprocessing import Process, Manager

  4. import os

  5. def ChildProcess(Dict, List):

  6.    Dict['k1'] = 'v1'

  7.    Dict['k2'] = 'v2'

  8.    List.append(os.getpid())  # 获取子进程的PID

  9.    print(List)  # 输出列表中的内容

  10. if __name__ == '__main__':

  11.    manager = Manager()  # 生成Manager对象

  12.    Dict = manager.dict()  # 生成一个可以在多个进程之间传递共享的字典

  13.    List = manager.list()  # 生成一个字典

  14.    ProcessList = []  # 创建一个空列表,存放进程的对象,等待子进程执行用于

  15.    for i in range(10):  # 生成是个子进程

  16.        p = Process(target=ChildProcess, args=(Dict, List))  # 创建一个子进程

  17.        p.start()  # 启动

  18.        ProcessList.append(p)  # 把子进程添加到p_list列表中

  19.    for res in ProcessList:  # 循环所有的子进程

  20.        res.join()  # 等待执行完毕

  21.    print('\n')

  22.    print(Dict)

  23.    print(List)

输出结果

  1. C:\Python\Python35\python.exe E:/MyCodeProjects/多进程/s4.py

  2. [5112]

  3. [5112, 3448]

  4. [5112, 3448, 4584]

  5. [5112, 3448, 4584, 2128]

  6. [5112, 3448, 4584, 2128, 11124]

  7. [5112, 3448, 4584, 2128, 11124, 10628]

  8. [5112, 3448, 4584, 2128, 11124, 10628, 5512]

  9. [5112, 3448, 4584, 2128, 11124, 10628, 5512, 10460]

  10. [5112, 3448, 4584, 2128, 11124, 10628, 5512, 10460, 10484]

  11. [5112, 3448, 4584, 2128, 11124, 10628, 5512, 10460, 10484, 6804]

  12. {'k1': 'v1', 'k2': 'v2'}

  13. [5112, 3448, 4584, 2128, 11124, 10628, 5512, 10460, 10484, 6804]

  14. Process finished with exit code 0

锁(Lock)

  1. from multiprocessing import Process, Lock

  2. def ChildProcess(l, i):

  3.    l.acquire()  # 获取锁

  4.    print('hello world', i)

  5.    l.release()  # 释放锁

  6. if __name__ == '__main__':

  7.    lock = Lock()  # 生成Lock对象

  8.    for num in range(10):

  9.        Process(target=ChildProcess, args=(lock, num)).start()  # 创建并启动一个子进程

进程池

同一时间启动多少个进程

  1. #!/use/bin/env python

  2. # _*_ coding: utf-8 _*_

  3. from multiprocessing import Pool

  4. import time

  5. def myFun(i):

  6.    time.sleep(2)

  7.    return i+100

  8. def end_call(arg):

  9.    print("end_call>>", arg)

  10. p = Pool(5)  # 允许进程池内同时放入5个进程

  11. for i in range(10):

  12.    p.apply_async(func=myFun, args=(i,),callback=end_call) # # 平行执行,callback是主进程来调用

  13.    # p.apply(func=Foo)  # 串行执行

  14. print("end")

  15. p.close()

  16. p.join() # 进程池中进程执行完毕后再关闭,如果注释,那么程序直接关闭。

线程池

简单实现

  1. #!/usr/bin/env python

  2. # -*- coding:utf-8 -*-

  3. import threading

  4. import queue

  5. import time

  6. class MyThread:

  7.    def __init__(self,max_num=10):

  8.        self.queue = queue.Queue()

  9.        for n in range(max_num):

  10.            self.queue.put(threading.Thread)

  11.    def get_thread(self):

  12.        return self.queue.get()

  13.    def put_thread(self):

  14.        self.queue.put(threading.Thread)

  15. pool = MyThread(5)

  16. def RunThread(arg,pool):

  17.    print(arg)

  18.    time.sleep(2)

  19.    pool.put_thread()

  20. for n in range(30):

  21.    thread = pool.get_thread()

  22.    t = thread(target=RunThread, args=(n,pool,))

  23.    t.start()

复杂版本

  1. #!/usr/bin/env python

  2. # -*- coding:utf-8 -*-

  3. import queue

  4. import threading

  5. import contextlib

  6. import time

  7. StopEvent = object()

  8. class ThreadPool(object):

  9.    def __init__(self, max_num, max_task_num = None):

  10.        if max_task_num:

  11.            self.q = queue.Queue(max_task_num)

  12.        else:

  13.            self.q = queue.Queue()

  14.        self.max_num = max_num

  15.        self.cancel = False

  16.        self.terminal = False

  17.        self.generate_list = []

  18.        self.free_list = []

  19.    def run(self, func, args, callback=None):

  20.        """

  21.        线程池执行一个任务

  22.        :param func: 任务函数

  23.        :param args: 任务函数所需参数

  24.        :param callback: 任务执行失败或成功后执行的回调函数,回调函数有两个参数1、任务函数执行状态;2、任务函数返回值(默认为None,即:不执行回调函数)

  25.        :return: 如果线程池已经终止,则返回True否则None

  26.        """

  27.        if self.cancel:

  28.            return

  29.        if len(self.free_list) == 0 and len(self.generate_list) < self.max_num:

  30.            self.generate_thread()

  31.        w = (func, args, callback,)

  32.        self.q.put(w)

  33.    def generate_thread(self):

  34.        """

  35.        创建一个线程

  36.        """

  37.        t = threading.Thread(target=self.call)

  38.        t.start()

  39.    def call(self):

  40.        """

  41.        循环去获取任务函数并执行任务函数

  42.        """

  43.        current_thread = threading.currentThread()

  44.        self.generate_list.append(current_thread)

  45.        event = self.q.get()

  46.        while event != StopEvent:

  47.            func, arguments, callback = event

  48.            try:

  49.                result = func(*arguments)

  50.                success = True

  51.            except Exception as e:

  52.                success = False

  53.                result = None

  54.            if callback is not None:

  55.                try:

  56.                    callback(success, result)

  57.                except Exception as e:

  58.                    pass

  59.            with self.worker_state(self.free_list, current_thread):

  60.                if self.terminal:

  61.                    event = StopEvent

  62.                else:

  63.                    event = self.q.get()

  64.        else:

  65.            self.generate_list.remove(current_thread)

  66.    def close(self):

  67.        """

  68.        执行完所有的任务后,所有线程停止

  69.        """

  70.        self.cancel = True

  71.        full_size = len(self.generate_list)

  72.        while full_size:

  73.            self.q.put(StopEvent)

  74.            full_size -= 1

  75.    def terminate(self):

  76.        """

  77.        无论是否还有任务,终止线程

  78.        """

  79.        self.terminal = True

  80.        while self.generate_list:

  81.            self.q.put(StopEvent)

  82.        self.q.queue.clear()

  83.    @contextlib.contextmanager

  84.    def worker_state(self, state_list, worker_thread):

  85.        """

  86.        用于记录线程中正在等待的线程数

  87.        """

  88.        state_list.append(worker_thread)

  89.        try:

  90.            yield

  91.        finally:

  92.            state_list.remove(worker_thread)

  93. # How to use

  94. pool = ThreadPool(5)

  95. def callback(status, result):

  96.    # status, execute action status

  97.    # result, execute action return value

  98.    pass

  99. def action(i):

  100.    print(i)

  101. for i in range(30):

  102.    ret = pool.run(action, (i,), callback)

  103. time.sleep(5)

  104. print(len(pool.generate_list), len(pool.free_list))

  105. print(len(pool.generate_list), len(pool.free_list))

  106. pool.close()

  107. pool.terminate()

什么是IO密集型和CPU密集型?

IO密集型(I/O bound)

频繁网络传输、读取硬盘及其他IO设备称之为IO密集型,最简单的就是硬盘存取数据,IO操作并不会涉及到CPU。

计算密集型(CPU bound)

程序大部分在做计算、逻辑判断、循环导致cpu占用率很高的情况,称之为计算密集型,比如说python程序中执行了一段代码1+1,这就是在计算1+1的值


本文出自 “一盏烛光” 博客,谢绝转载!

Python网络编程之socketserver实现多并发
Python网络编程之协程
温馨提示
下载编程狮App,免费阅读超1000+编程语言教程
取消
确定
目录

关闭

MIP.setData({ 'pageTheme' : getCookie('pageTheme') || {'day':true, 'night':false}, 'pageFontSize' : getCookie('pageFontSize') || 20 }); MIP.watch('pageTheme', function(newValue){ setCookie('pageTheme', JSON.stringify(newValue)) }); MIP.watch('pageFontSize', function(newValue){ setCookie('pageFontSize', newValue) }); function setCookie(name, value){ var days = 1; var exp = new Date(); exp.setTime(exp.getTime() + days*24*60*60*1000); document.cookie = name + '=' + value + ';expires=' + exp.toUTCString(); } function getCookie(name){ var reg = new RegExp('(^| )' + name + '=([^;]*)(;|$)'); return document.cookie.match(reg) ? JSON.parse(document.cookie.match(reg)[2]) : null; }