queue 模块即队列，特别适合处理信息在多个线程间安全交换的多线程程序中。下面我们对 queue 模块进行一个详细的使用介绍。

queue 模块定义的类和异常

queue 模块定义了以下四种不同类型的队列，它们之间的区别在于数据入队列之后出队列的顺序不同。

queue.Queue(maxsize=0)

先进先出(First In First Out: FIFO)队列，最早进入队列的数据拥有出队列的优先权，就像看电影入场时排队一样，排在队伍前头的优先进入电影院。

入参 maxsize 是一个整数，用于设置队列的最大长度。一旦队列达到上限，插入数据将会被阻塞，直到有数据出队列之后才可以继续插入。如果 maxsize 设置为小于或等于零，则队列的长度没有限制。

示例如下：

import queueq = queue.Queue() # 创建 Queue 队列for i in range(3): q.put(i) # 在队列中依次插入0、1、2元素for i in range(3): print(q.get()) # 依次从队列中取出插入的元素，数据元素输出顺序为0、1、2

queue.LifoQueue(maxsize=0)

后进先出(Last In First Out: LIFO)队列，最后进入队列的数据拥有出队列的优先权，就像栈一样。

入参 maxsize 与先进先出队列的定义一样。

示例如下：

import queueq = queue.LifoQueue() # 创建 LifoQueue 队列for i in range(3): q.put(i) # 在队列中依次插入0、1、2元素for i in range(3): print(q.get()) # 依次从队列中取出插入的元素，数据元素输出顺序为2、1、0

PriorityQueue(maxsize=0)

优先级队列，比较队列中每个数据的大小，值最小的数据拥有出队列的优先权。数据一般以元组的形式插入，典型形式为(priority_number, data)。如果队列中的数据没有可比性，那么数据将被包装在一个类中，忽略数据值，仅仅比较优先级数字。

入参 maxsize 与先进先出队列的定义一样。

示例如下：

import queueq = queue.PriorityQueue() # 创建 PriorityQueue 队列data1 = (1, ‘python’)data2 = (2, ‘-‘)data3 = (3, ‘100’)style = (data2, data3, data1)for i in style: q.put(i) # 在队列中依次插入元素 data2、data3、data1for i in range(3): print(q.get()) # 依次从队列中取出插入的元素，数据元素输出顺序为 data1、data2、data3

queue.SimpleQueue

先进先出类型的简单队列，没有大小限制。由于它是简单队列，相比于 Queue 队列会缺少一些高级功能，下面第2-3小节将会介绍。

示例如下：

import queueq = queue.SimpleQueue() # 创建 SimpleQueue 队列for i in range(3): q.put(i) # 在队列中依次插入0、1、2元素for i in range(3): print(q.get()) # 依次从队列中取出插入的元素，数据元素输出顺序为0、1、2

queue.Empty 异常

当队列中没有数据元素时，取出队列中的数据会引发 queue.Empty 异常，主要是不正当使用 get() 和 get_nowait() 引起的。

示例如下：

import queuetry: q = queue.Queue(3) # 设置队列上限为3 q.put(‘python’) # 在队列中插入字符串 ‘python’ q.put(‘-‘) # 在队列中插入字符串 ‘-‘ q.put(‘100’) # 在队列中插入字符串 ‘100’ for i in range(4): # 从队列中取数据，取出次数为4次，引发 queue.Empty 异常 print(q.get(block=False))except queue.Empty: print(‘queue.Empty’)

queue.Full 异常

当队列数据元素容量达到上限时，继续往队列中放入数据会引发 queue.Empty 异常，主要是不正当使用 put() 和 put_nowait() 引起的。

示例如下：

import queuetry: q = queue.Queue(3) # 设置队列上限为3 q.put(‘python’) # 在队列中插入字符串 ‘python’ q.put(‘-‘) # 在队列中插入字符串 ‘-‘ q.put(‘100’) # 在队列中插入字符串 ‘100’ q.put(‘stay hungry, stay foolish’, block=False) # 队列已满，继续往队列中放入数据，引发 queue.Full 异常except queue.Full: print(‘queue.Full’)

Queue、LifoQueue、PriorityQueue 和 SimpleQueue 对象的基本使用方法

Queue、LifoQueue、PriorityQueue 和 SimpleQueue 四种队列定义的对象均提供了以下函数使用方法，下面以 Queue 队列为例进行介绍。

Queue.qsize()

返回队列中数据元素的个数。

示例如下：

import queueq = queue.Queue()q.put(‘python-100’) # 在队列中插入元素 ‘python-100’print(q.qsize()) # 输出队列中元素个数为1

Queue.empty()

如果队列为空，返回 True，否则返回 False。

示例如下：

import queueq = queue.Queue()print(q.empty()) # 对列为空，返回 Trueq.put(‘python-100’) # 在队列中插入元素 ‘python-100’print(q.empty()) # 对列不为空，返回 False

Queue.full()

如果队列中元素个数达到上限，返回 True，否则返回 False。

示例如下：

import queueq = queue.Queue(3) # 定义一个长度为3的队列print(q.full()) # 元素个数未达到上限，返回 Falseq.put(‘python’) # 在队列中插入字符串 ‘python’q.put(‘-‘) # 在队列中插入字符串 ‘-‘q.put(‘100’) # 在队列中插入字符串 ‘100’print(q.full()) # 元素个数达到上限，返回 True

Queue.put(item, block=True, timeout=None)

item，放入队列中的数据元素。
block，当队列中元素个数达到上限继续往里放数据时：如果 block=False，直接引发 queue.Full 异常；如果 block=True，且 timeout=None，则一直等待直到有数据出队列后可以放入数据；如果 block=True，且 timeout=N，N 为某一正整数时，则等待 N 秒，如果队列中还没有位置放入数据就引发 queue.Full 异常。
timeout，设置超时时间。

示例如下：

import queuetry: q = queue.Queue(2) # 设置队列上限为2 q.put(‘python’) # 在队列中插入字符串 ‘python’ q.put(‘-‘) # 在队列中插入字符串 ‘-‘ q.put(‘100’, block = True, timeout = 5) # 队列已满，继续在队列中插入字符串 ‘100’，等待5秒后会引发 queue.Full 异常except queue.Full: print(‘queue.Full’)

Queue.put_nowait(item)

相当于 Queue.put(item, block=False)，当队列中元素个数达到上限继续往里放数据时直接引发 queue.Full 异常。

import queuetry: q = queue.Queue(2) # 设置队列上限为2 q.put_nowait(‘python’) # 在队列中插入字符串 ‘python’ q.put_nowait(‘-‘) # 在队列中插入字符串 ‘-‘ q.put_nowait(‘100’) # 队列已满，继续在队列中插入字符串 ‘100’，直接引发 queue.Full 异常except queue.Full: print(‘queue.Full’)

Queue.get(block=True, timeout=None)

从队列中取出数据并返回该数据内容。

block，当队列中没有数据元素继续取数据时：如果 block=False，直接引发 queue.Empty 异常；如果 block=True，且 timeout=None，则一直等待直到有数据入队列后可以取出数据；如果 block=True，且 timeout=N，N 为某一正整数时，则等待 N 秒，如果队列中还没有数据放入的话就引发 queue.Empty 异常。
timeout，设置超时时间。

示例如下：

import queuetry: q = queue.Queue() q.get(block = True, timeout = 5) # 队列为空，往队列中取数据时，等待5秒后会引发 queue.Empty 异常except queue.Empty: print(‘queue.Empty’)

Queue.get_nowait()

相当于 Queue.get(block=False)block，当队列中没有数据元素继续取数据时直接引发 queue.Empty 异常。

示例如下：

import queuetry: q = queue.Queue() q.get_nowait() # 队列为空，往队列中取数据时直接引发 queue.Empty 异常except queue.Empty: print(‘queue.Empty’)

Queue、LifoQueue 和 PriorityQueue 对象的高级使用方法

SimpleQueue 是 Python 3.7 版本中新加入的特性，与 Queue、LifoQueue 和 PriorityQueue 三种队列相比缺少了 task_done 和 join 的高级使用方法，所以才会取名叫 Simple 了，下面介绍一下 task_done 和 join 的使用方法。

task_done，表示队列内的数据元素已经被取出，即每个 get 用于获取一个数据元素，后续调用 task_done 告诉队列，该数据的处理已经完成。如果被调用的次数多于放入队列中的元素个数，将引发 ValueError 异常。
join，一直阻塞直到队列中的所有数据元素都被取出和执行，只要有元素添加到 queue 中就会增加。当未完成任务的计数等于0，join 就不会阻塞。

示例如下：

import queueq = queue.Queue()q.put(‘python’)q.put(‘-‘)q.put(‘100’)for i in range(3): print(q.get()) q.task_done() # 如果不执行 task_done，join 会一直处于阻塞状态，等待 task_done 告知它数据的处理已经完成q.join()

下面是一个经典示例，生产者和消费者线程分别生产数据和消费数据，先生产后消费。采用 task_done 和 join 确保处理信息在多个线程间安全交换，生产者生产的数据能够全部被消费者消费掉。

from queue import Queueimport randomimport threadingimport time#生产者线程class Producer(threading.Thread): def __init__(self, t_name, queue): threading.Thread.__init__(self, name=t_name) self.data=queue def run(self): for i in range(5): print (“%s: %s is producing %d to the queue!” %(time.ctime(), self.getName(), i)) self.data.put(i) # 将生产的数据放入队列 time.sleep(random.randrange(10)/5) print (“%s: %s finished!” %(time.ctime(), self.getName()))#消费者线程class Consumer(threading.Thread): def __init__(self, t_name, queue): threading.Thread.__init__(self, name=t_name) self.data=queue def run(self): for i in range(5): val = self.data.get() # 拿出已经生产好的数据 print (“%s: %s is consuming. %d in the queue is consumed!” %(time.ctime(), self.getName(), val)) time.sleep(random.randrange(5)) self.data.task_done() # 告诉队列有关这个数据的任务已经处理完成 print (“%s: %s finished!” %(time.ctime(), self.getName()))#主线程def main(): queue = Queue() producer = Producer(‘Pro.’, queue) consumer = Consumer(‘Con.’, queue) producer.start() consumer.start() queue.join() # 阻塞，直到生产者生产的数据全都被消费掉 producer.join() # 等待生产者线程结束 consumer.join() # 等待消费者线程结束 print (‘All threads terminate!’) if __name__ == ‘__main__’: main()