# 导入线程池、任务完成监听工具
from concurrent.futures import ThreadPoolExecutor, as_completed
# 导入数据类装饰器，快速定义数据实体
from dataclasses import dataclass
# 导入网络请求、线程锁、时间模块
import requests
import threading
import time


# 使用 dataclass 装饰器快速定义数据类（无需手动编写 __init__）
# 用于统一封装每个URL的请求结果，结构化存储数据
@dataclass
class PageResult:
    url: str         # 请求的目标网址
    status: int      # HTTP响应状态码
    elapsed: float  # 单个请求耗时(秒)
    content_len: int # 响应内容字节长度


# 创建线程互斥锁：保证多线程操作共享列表时的数据安全
lock = threading.Lock()
# 全局共享列表：用来收集所有线程的请求结果
results: list[PageResult] = []


def fetch(url: str) -> PageResult:
    """
    线程执行的任务函数：请求单个URL并封装结果
    :param url: 待请求的网址
    :return: 封装好的请求结果对象 PageResult
    """
    # 记录当前请求开始时间，用于计算单次请求耗时
    req_start = time.time()
    try:
        # 发送GET请求，设置超时时间10秒，避免请求阻塞卡死线程
        resp = requests.get(url, timeout=10)
        # 封装本次请求的所有信息为 PageResult 对象
        result = PageResult(
            url=url,
            status=resp.status_code,
            elapsed=time.time() - req_start,
            content_len=len(resp.content)
        )

        # 🔒 加锁：多线程并发操作全局共享列表，必须加锁防止数据异常
        # 同一时刻仅一个线程能执行 append 操作
        with lock:
            results.append(result)

        # 打印请求成功日志
        print(f"✅ {url} → {resp.status_code}")
        # 返回结果对象给 Future
        return result

    except Exception as e:
        # 捕获所有异常，打印请求失败信息
        print(f"❌ {url} → {e}")


# 待批量请求的网址列表
urls = [
    "https://sanyaxueyuanluntan.club",
    "https://httpbin.org/get",
    "https://httpbin.org/json",
]

# 记录整个批量请求任务的开始时间
total_start = time.time()

# 创建线程池，最大并发线程数为 5
with ThreadPoolExecutor(max_workers=5) as executor:
    # 1. executor.submit：提交单个任务，返回 Future 对象（代表一个异步任务）
    # 2. 字典推导式：{Future对象: 对应URL}，方便后续追溯任务来源
    futures = {executor.submit(fetch, u): u for u in urls}

    # as_completed：遍历**已完成**的任务，哪个线程先执行完，就先处理哪个
    # 特点：执行顺序 ≠ 原始 urls 列表顺序
    for future in as_completed(futures):
        # 获取任务执行的返回结果；如果任务内部报错，这里会抛出异常
        res = future.result()

# 统计并打印最终结果：成功数量 + 整体总耗时
total_cost = time.time() - total_start
print(f"共 {len(results)} 个成功，总耗时 {total_cost:.2f}s")
#💡 as_completed() 让你按"谁先完成谁先处理"的顺序拿结果，比等所有完成再统一处理更及时。结合你论坛的多个 API 接口，可以用这个模式并发预热数据。