Python 如何等待所有线程完成其工作？

我有以下脚本（不参考内容）：

我想并发执行（比如4个线程）func1（），在我的例子中，它包括一个可能需要时间执行的函数调用。然后，只有在最后一个线程完成其工作后，我才想执行验证\u result（）

目前，我得到的结果是所有线程都完成了它们的工作，但是在所有线程完成它们的工作之前执行verify_result（）

我甚至尝试在for循环下使用以下代码（当然，我导入了线程），但这并没有起作用（不要参考参数）

---

假设您有一个线程列表。 将（每个_线程）循环到它们上-

for each_thread in thread_pool:
    each_thread.start()

在循环中开始在每个线程中执行run函数

同样，在启动所有线程并具有

for each_thread in thread_pool:
    each_thread.join()

join所做的是等待线程i完成执行，然后再让i+1个线程完成执行

线程将并发运行，

join（）

将同步每个线程返回结果的方式

---

具体来说，您可以使用

join（）

循环和运行

verify_result（）

函数。

上一个

threading

示例已经结束，但您必须收集列表中的线程，一次启动它们，然后等待它们一次完成。下面是一个简化的示例：

import threading
import time

# Lock to serialize console output
output = threading.Lock()

def threadfunc(a,b):
    for i in range(a,b):
        time.sleep(.01) # sleep to make the "work" take longer
        with output:
            print(i)

# Collect the threads
threads = []
for i in range(10,100,10):
    # Create 9 threads counting 10-19, 20-29, ... 90-99.
    thread = threading.Thread(target=threadfunc,args=(i,i+10))
    threads.append(thread)

# Start them all
for thread in threads:
    thread.start()

# Wait for all to complete
for thread in threads:
    thread.join()

---

我不熟悉Python，尤其是线程。你能再解释一下线程池是什么意思吗？“我如何准备线程列表？”MosheS。所谓线程池，我指的是线程的文字集合。假设您有一个作业需要执行5次，最好是并发执行，您恰好为此创建了（而不是开始执行）2个线程，现在每个线程将占用一个作业，3个作业将等待一个线程空闲时再拾取它们，因此检查线程池是否有线程空闲，否则等待，直到有线程空闲时再拾取。我所说的线程列表是指线程对象的列表。你迭代它们并开始工作，这就是我认为你想要做的。在我的回答中，线程池指的是这样一个列表，而不是线程池。

for each_thread in thread_pool:
    each_thread.join()

import threading
import time

# Lock to serialize console output
output = threading.Lock()

def threadfunc(a,b):
    for i in range(a,b):
        time.sleep(.01) # sleep to make the "work" take longer
        with output:
            print(i)

# Collect the threads
threads = []
for i in range(10,100,10):
    # Create 9 threads counting 10-19, 20-29, ... 90-99.
    thread = threading.Thread(target=threadfunc,args=(i,i+10))
    threads.append(thread)

# Start them all
for thread in threads:
    thread.start()

# Wait for all to complete
for thread in threads:
    thread.join()