具有超时、最大大小和连接池的http请求

Question

我在Python（2.7）中寻找一种方法来处理具有3个需求的HTTP请求：

• 超时（为了可靠性）
• 内容最大大小（用于安全）
• 连接池（用于性能）

我已经检查了相当多的python HTTP libraries，但是没有一个符合我的要求。例如：

urllib2:很好，但没有池

import urllib2
import json

r = urllib2.urlopen('https://github.com/timeline.json', timeout=5)
content = r.read(100+1)
if len(content) > 100: 
    print 'too large'
    r.close()
else:
    print json.loads(content)

r = urllib2.urlopen('https://github.com/timeline.json', timeout=5)
content = r.read(100000+1)
if len(content) > 100000: 
    print 'too large'
    r.close()
else:
    print json.loads(content)

请求：无最大大小

import requests
r = requests.get('https://github.com/timeline.json', timeout=5, stream=True)
r.headers['content-length'] # does not exists for this request, and not safe
content = r.raw.read(100000+1)
print content # ARF this is gzipped, so not the real size
print json.loads(content) # content is gzipped so pretty useless
print r.json() # Does not work anymore since raw.read was used

urllib3:即使使用50Mo文件，也无法使用“read”方法…

httplib:httplib.HTTPConnection不是池（只有一个连接）

我简直不敢相信urllib2是我能使用的最好的HTTP库！所以如果有人知道天秤座可以做什么或如何使用以前的天秤座。。。

编辑：

我找到的最好的解决方案要感谢Martijn Pieters（StringIO即使对于大文件也不会慢下来，因为str的添加非常重要）。

r = requests.get('https://github.com/timeline.json', stream=True)
size = 0
ctt = StringIO()


for chunk in r.iter_content(2048):
    size += len(chunk)
    ctt.write(chunk)
    if size > maxsize:
        r.close()
        raise ValueError('Response too large')

content = ctt.getvalue()

Answer 1

您可以使用requests来完成这项工作，但是您需要知道raw对象是urllib3内脏的一部分，并使用^{} call支持的额外参数，该参数允许您指定要读取解码的数据：

import requests
r = requests.get('https://github.com/timeline.json', timeout=5, stream=True)

content = r.raw.read(100000+1, decode_content=True)
if len(content) > 100000:
    raise ValueError('Too large a response')
print content
print json.loads(content)

或者，可以在读取之前设置raw对象上的decode_content标志：

import requests
r = requests.get('https://github.com/timeline.json', timeout=5, stream=True)

r.raw.decode_content = True
content = r.raw.read(100000+1)
if len(content) > 100000:
    raise ValueError('Too large a response')
print content
print json.loads(content)

如果您不喜欢像这样触及urllib3的内脏，可以使用^{}来迭代块中的解码内容；这也使用底层的HTTPResponse（使用^{} generator version：

import requests

r = requests.get('https://github.com/timeline.json', timeout=5, stream=True)

maxsize = 100000
content = ''
for chunk in r.iter_content(2048):
    content += chunk
    if len(content) > maxsize:
        r.close()
        raise ValueError('Response too large')

print content
print json.loads(content)

这里处理压缩数据大小的方式有细微的差别；r.raw.read(100000+1)将只读取100k字节的压缩数据；未压缩数据将根据您的最大大小进行测试。iter_content()方法将读取更多未压缩数据在极少情况下，压缩流比未压缩数据大。

两种方法都不允许r.json()工作；这些方法不设置response._content属性；当然，您可以手动设置。但是由于.raw.read()和.iter_content()调用已经允许您访问所讨论的内容，因此实际上没有必要。