python函數(shù)超時自動退出的實操方法
本章給大家在項目使用時候,常見的一種情況解決案例,即是當我們調用多個線程,使用了同一個函數(shù)去處理數(shù)據(jù)的時候,有些用函數(shù)已經(jīng)處理完成,但是有些還沒有,這就需要我們將任務進行分割,然后當一小部分任務執(zhí)行后,退出來,另外沒有執(zhí)行的完成超時的就繼續(xù)去執(zhí)行,下面就針對遇到這些問題的小伙伴,給大家提供解決參考。
安裝timeout-decorator庫:
pip3 install timeout-decorator
編寫異常語句:
@timeout_decorator.timeout(5, timeout_exception=StopIteration)
函數(shù)限制超時:
@timeout_decorator.timeout(5, use_signals=False)
解決案例:
import timeout_decorator
@timeout_decorator.timeout(5)
def mytest():
print("Start")
for i in range(1, 10):
time.sleep(1)
print("{} seconds have passed".format(i))
def main():
mytest()
if __name__ == '__main__':
main()
到此這篇關于python函數(shù)超時自動退出的實操方法的文章就介紹到這了,更多相關python函數(shù)超時怎么自動退出內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
Python中pandas模塊DataFrame創(chuàng)建方法示例
這篇文章主要介紹了Python中pandas模塊DataFrame創(chuàng)建方法,結合實例形式分析了DataFrame的功能,以及pandas模塊基于列表、字段與數(shù)組創(chuàng)建DataFrame的相關操作技巧,需要的朋友可以參考下2018-06-06
python機器學習之神經(jīng)網(wǎng)絡(三)
這篇文章主要為大家詳細介紹了python機器學習之神經(jīng)網(wǎng)絡第三篇,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下2017-12-12

