Python Requests库进阶用法——timeouts, retries, hooks-蒲公英云

Python HTTP 请求库在所有编程语言中是比较实用的程序。它简单、直观且在 Python 社区中无处不在。大多数与 HTTP 接口程序使用标准库中的request或 urllib3。

由于简单的API，请求很容易立即生效，但该库还为高级需求提供了可扩展性。假如你正在编写一个API密集型客户端或网路爬虫，可能需要考虑网络故障、靠谱的调试跟踪和语法分析。

Request hooks

在使用第三方API时，通常需要验证返回的响应是否确实有效。Requests提供简单有效的方法raise_for_status()，它断言响应HTTP状态代码不是4xx或5xx，即校验请求没有导致客户端或服务器错误。

比如：

response = requests.get('https://api.github.com/user/repos?page=1')
# 断言没有错误
response.raise_for_status()

如果每次调用都需要使用raise_for_status()，则此操作可能会重复。幸运的是，request库提供了一个“hooks”(钩子)接口，可以附加对请求过程某些部分的回调，确保从同一session对象发出的每个请求都会被检查。

我们可以使用hooks来确保为每个响应对象调用raise_for_status（）。

# 创建自定义请求对象时，修改全局模块抛出错误异常
http = requests.Session()
assert_status_hook = lambda response, *args, **kwargs: response.raise_for_status()
http.hooks["response"] = [assert_status_hook]
http.get("https://api.github.com/user/repos?page=1")
> HTTPError: 401 Client Error: Unauthorized for url: https://api.github.com/user/repos?page=1

设置base URLs

requests中可以用两种方法指定URL：
1、假设你只使用一个托管在API.org上的API，每次调用使用全部的URL地址

requests.get('https://api.org/list/')
requests.get('https://api.org/list/3/item')

2、安装requests_toolbelt库，使用BaseUrlSession指定base_url

from requests_toolbelt import sessions
http = sessions.BaseUrlSession(base_url="https://api.org")
http.get("/list")
http.get("/list/item")

设置默认timeout值

Request官方文档建议对所有的代码设置超时。
如果你的python程序是同步的，忘记设置请求的默认timeout可能会导致你的请求或者有应用程序挂起。
timeout的设定同样有两种方法：
1、每次都在get语句中指定timeout的值。
（不可取，只对本次请求有效）。

requests.get('https://github.com/', timeout=0.001)

2、使用Transport Adapters设置统一的timeout时间（使用Transport Adapters，我们可以为所有HTTP调用设置默认超时，这确保了即使开发人员忘记在他的单个调用中添加timeout=1参数，也可以设置一个合理的超时，但这是允许在每个调用的基础上重写。）：
下面是一个带有默认超时的自定义Transport Adapters的例子，在构造http client和send()方法时，我们重写构造函数以提供默认timeout，以确保在没有提供timeout参数时使用默认超时。

from requests.adapters import HTTPAdapter
DEFAULT_TIMEOUT = 5 # seconds
class TimeoutHTTPAdapter(HTTPAdapter):
    def __init__(self, *args, **kwargs):
        self.timeout = DEFAULT_TIMEOUT
        if "timeout" in kwargs:
            self.timeout = kwargs["timeout"]
            del kwargs["timeout"]
        super().__init__(*args, **kwargs)
    def send(self, request, **kwargs):
        timeout = kwargs.get("timeout")
        if timeout is None:
            kwargs["timeout"] = self.timeout
        return super().send(request, **kwargs)

还可以这样使用：

import requests
http = requests.Session()
# 此挂载对http和https都有效
adapter = TimeoutHTTPAdapter(timeout=2.5)
http.mount("https://", adapter)
http.mount("http://", adapter)
# 设置默认超时为2.5秒
response = http.get("https://api.twilio.com/")
# 通常为特定的请求重写超时时间
response = http.get("https://api.twilio.com/", timeout=10)

失败时重试

网络连接有丢包、拥挤，服务器出现故障。如果我们想要构建一个真正健壮的程序，我们需要考虑失败并制定重试策略。

向HTTP client添加重试策略非常简单。我们创建了一个适配器来适应我们的策略。

from requests.adapters import HTTPAdapter
from requests.packages.urllib3.util.retry import Retry
retry_strategy = Retry(
    total=3,
    status_forcelist=[429, 500, 502, 503, 504],
    method_whitelist=["HEAD", "GET", "OPTIONS"]
)
adapter = HTTPAdapter(max_retries=retry_strategy)
http = requests.Session()
http.mount("https://", adapter)
http.mount("http://", adapter)
response = http.get("https://en.wikipedia.org/w/api.php")

其他参数：

最大重试次数total=10
引起重试的HTTP状态码status_forcelist=[413, 429, 503]
允许重试的请求方法method_whitelist=["HEAD", "GET", "PUT", "DELETE", "OPTIONS", "TRACE"]
两次重试的间隔参数backoff_factor=0

合并timeouts和retries–超时与重试

综合上面学到的，我们可以通过这种方法将timeouts与retries结合到同一个Adapter中

retries = Retry(total=3, backoff_factor=1, status_forcelist=[429, 500, 502, 503, 504])
http.mount("https://", TimeoutHTTPAdapter(max_retries=retries))

调试HTTP请求

如果一个HTTP请求失败了，可以用下面两种方法获取失败的信息：

使用内置的调试日志
使用request hooks

打印HTTP头部信息

将logging debug level设置为大于0的值都会将HTTP请求的头部打印在日志中。当返回体过大或为字节流不便于日志时，打印头部将非常有用。

import requests
import http
http.client.HTTPConnection.debuglevel = 1
requests.get("https://www.google.com/")
# Output
send: b'GET / HTTP/1.1\r\nHost: www.google.com\r\nUser-Agent: python-requests/2.22.0\r\nAccept-Encoding: gzip, deflate\r\nAccept: */*\r\nConnection: keep-alive\r\n\r\n'
reply: 'HTTP/1.1 200 OK\r\n'
header: Date: Fri, 28 Feb 2020 12:13:26 GMT
header: Expires: -1
header: Cache-Control: private, max-age=0

打印所有HTTP内容

当API返回内容不太大时，我们可以使用request hooks与requests_toolbelt的dump工具库输出所有HTTP请求相应内容。

import requests
from requests_toolbelt.utils import dump
def logging_hook(response, *args, **kwargs):
    data = dump.dump_all(response)
    print(data.decode('utf-8'))
http = requests.Session()
http.hooks["response"] = [logging_hook]
http.get("https://api.openaq.org/v1/cities", params={ "country": "BA"})
# Output 输出信息如下：
< GET /v1/cities?country=BA HTTP/1.1
< Host: api.openaq.org
> HTTP/1.1 200 OK
> Content-Type: application/json; charset=utf-8
> Transfer-Encoding: chunked
> Connection: keep-alive
>
{ 
   "meta":{ 
      "name":"openaq-api",
      "license":"CC BY 4.0",
      "website":"https://docs.openaq.org/",
      "page":1,
      "limit":100,
      "found":1
   },
   "results":[
      { 
         "country":"BA",
         "name":"Goražde",
         "city":"Goražde",
         "count":70797,
         "locations":1
      }
   ]
}

dump工具的用法：https://toolbelt.readthedocs.io/en/latest/dumputils.html

测试与模拟请求

测试第三方API有时不能一直发送真实的请求（比如按次收费的接口，还有没开发完的=_=），测试中我们可以用getsentry/responses作为桩模块拦截程序发出的请求并返回预定的数据，造成返回成功的假象。

class TestAPI(unittest.TestCase):
    @responses.activate  # intercept HTTP calls within this method
    def test_simple(self):
        response_data = { 
                "id": "ch_1GH8so2eZvKYlo2CSMeAfRqt",
                "object": "charge",
                "customer": { "id": "cu_1GGwoc2eZvKYlo2CL2m31GRn", "object": "customer"},
            }
        # mock the Stripe API
        responses.add(
            responses.GET,
            "https://api.stripe.com/v1/charges",
            json=response_data,
        )
        response = requests.get("https://api.stripe.com/v1/charges")
        self.assertEqual(response.json(), response_data)

一旦拦截成立就不能再向其他未设定过的URL发请求了不然会报错。

模仿浏览器行为

有些网页会根据不同浏览器发送不同HTML代码（为了反爬或适配设备），可以在发送请求时指定User-Agent将自己伪装成特定浏览器。

import requests
http = requests.Session()
http.headers.update({ 
    "User-Agent": "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:68.0) Gecko/20100101 Firefox/68.0"
})

综上所有的点，实际使用是这样子的：

self._enable_https = true
self.host = xxxx
self.port = xxxx
class XxxxxXxxxx(object):
    def _get_api_session(self, timeout=30):
        address_prefix = 'http://'
        if self._enable_https:
            address_prefix = 'https://'
         #设置URL
        sess = sessions.BaseUrlSession(base_url=f"{ address_prefix}{ self.host}:{ self.port}")
         #设置hooks
        assert_status_hook = lambda response, *args, **kwargs: response.raise_for_status()
        sess.hooks["response"] = [assert_status_hook]
        # 重试
        retries = Retry(total=3, backoff_factor=1, status_forcelist=[429])
        sess.mount(address_prefix, TimeoutHTTPAdapter(max_retries=retries, timeout=timeout))
        return sess
class TimeoutHTTPAdapter(HTTPAdapter):
    def __init__(self, *args, **kwargs):
        self.timeout = 5
        if "timeout" in kwargs:
            self.timeout = kwargs["timeout"]
            del kwargs["timeout"]
        super().__init__(*args, **kwargs)
    def send(self, request, **kwargs):
        timeout = kwargs.get("timeout")
        if timeout is None:
            kwargs["timeout"] = self.timeout
        return super().send(request, **kwargs)