HTTPX从入门到放弃

2023-11-07

1. 什么是HTTPX？

HTTPX是一款Python栈HTTP客户端库，它提供了比标准库更高级别、更先进的功能，如连接重用、连接池、超时控制、自动繁衍请求等等。HTTPX同时也支持同步和异步两种方式，因此可以在同步代码和异步代码中通用。

HTTPX功能如下：

1. 发送HTTP请求：HTTPX支持发送HTTP GET、POST等请求，并提供了丰富的选项进行定制化。

2. 请求头和查询参数：HTTPX可以方便地添加请求头和查询参数到HTTP请求中。

3. 超时设置：HTTPX支持对HTTP请求的超时时间进行设置，以避免长时间等待响应。

4. SSL/TLS证书验证：当使用HTTPS协议时，HTTPX可以验证SSL/TLS证书。

5. 文件上传和下载：HTTPX可以用于上传和下载文件。

6. Cookie管理：HTTPX可以管理cookie。

7. 连接池：HTTPX提供连接池以提高性能。

8. 异步请求：HTTPX支持异步请求，在异步代码中提供了更好的性能表现。

相比其他HTTP客户端库，HTTPX有以下优势：

性能更好：HTTPX采用异步IO模型实现高效的并发处理，使得其在处理大量数据和并发请求时比同类库要快得多。
功能更全面：HTTPX提供了更多的功能，如连接池、自动繁衍请求等等，使得它可以胜任更多不同的HTTP场景。
更为灵活：HTTPX提供了更多可用的选项以满足不同的HTTP场景和使用需求，从而使得它更为灵活。
更加安全：HTTPX在处理HTTPS请求时提供更完善的SSL/TLS证书验证机制，从而更加安全。

2. HTTPX功能

1. 发送HTTP请求

import httpx

# 发送GET请求
response = httpx.get('https://www.example.com')
print(response.status_code)  # 状态码
print(response.text)  # 响应内容

# 发送POST请求
data = {'name': 'example', 'age': 18}
response = httpx.post('https://www.example.com', data=data)
print(response.status_code)  # 状态码
print(response.text)  # 响应内容

2. 请求头和查询参数

HTTPX发送HTTP请求时往往需要在请求中添加一些头部信息或查询参数，下面介绍如何在HTTPX中添加和定制这些信息。

添加请求头

可以通过headers参数向HTTP请求中添加头部信息。以下是一个示例代码：

import httpx

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
}

response = httpx.get('https://www.example.com', headers=headers)

print(response.status_code)
print(response.text)

可以看到，在发送GET请求时，使用了一个 headers 字典来指定请求头。其中 User-Agent 是模拟浏览器发送请求的标准请求头之一。可以根据实际需求添加更多的请求头信息。

添加查询参数

除了请求头外，还可以通过 params 参数向HTTP请求中添加查询参数。以下是一个示例代码：

import httpx

params = {'key1': 'value1', 'key2': 'value2'}

response = httpx.get('https://www.example.com', params=params)

print(response.status_code)
print(response.text)

在上述代码中，params 参数被用于将查询参数添加到 GET 请求中。具体而言，HTTPX 会根据键值对自动生成查询字符串并将其附加到 URL 的末尾，就像在浏览器中一样。

3. 超时设置

在发送HTTP请求时，往往需要设置超时时间以避免等待过长时间的响应。HTTPX 提供了设置超时时间的方法，下面介绍如何在 HTTPX 中设置超时时间：

发送单次请求时设置超时时间

可以通过 timeout 参数来设置单个请求的超时时间，单位为秒（s）。以下是一个示例代码：

import httpx

# 设置 5 秒超时时间
timeout = httpx.Timeout(5)

response = httpx.get('https://www.example.com', timeout=timeout)

print(response.status_code)
print(response.text)

在上述代码中，timeout 参数被用于将超时时间设置为 5 秒。如果在 5 秒内没有收到服务器的响应，HTTPX 将自动取消该请求并抛出 httpx.ReadTimeout 异常。

全局设置超时时间

除了可以在单个请求中设置超时时间外，还可以全局设置所有请求的超时时间。可以通过创建一个 Client 实例并指定超时时间来实现。以下是一个示例代码：

import httpx

# 全局设置 5 秒超时时间
client = httpx.Client(timeout=5)

response = client.get('https://www.example.com')

print(response.status_code)
print(response.text)

在上述代码中，创建了一个 Client 实例，并将超时时间设置为 5 秒。在之后的所有请求中，都会默认使用这个超时时间。需要注意的是，全局设置会影响所有请求，因此需要根据实际情况合理地设置超时时间。

4. 异步请求

异步请求示例

首先，需要安装异步标准库 asyncio 和 HTTPX 库。

安装完成后，就可以在 Python 脚本中使用异步请求了。以下是一个简单的异步 GET 请求示例：

import asyncio
import httpx

async def main():
    async with httpx.AsyncClient() as client:
        response = await client.get('https://www.example.com')
        print(response.status_code)
        print(response.text)

asyncio.run(main())

在上述代码中，我们使用异步函数 main() 来发送异步 GET 请求。其中，使用了 httpx.AsyncClient() 创建了一个异步客户端实例，然后调用了 client.get() 函数来发送 GET 请求。

在异步请求中，需要使用关键字 await 等待异步操作执行完成，这样才能保证程序按照正确的顺序执行。

进一步使用示例

除了简单的 GET 请求外，HTTPX 还支持复杂的异步操作和定制化需求。以下是一个使用异步 POST 请求并上传文件的示例：

import asyncio
import httpx

async def main():
    async with httpx.AsyncClient() as client:
        # 上传文件
        files = {'file': ('example.txt', 'Hello, world!')}
        response = await client.post('https://www.example.com/upload', files=files)

        # 显示响应信息
        print(response.status_code)
        print(response.text)

asyncio.run(main())

在上述代码中，使用了 client.post() 函数向服务器上传文件。其中，files 参数被用于指定上传的文件信息。

需要注意的是，在异步请求过程中，需使用 async with httpx.AsyncClient() as client: 的方式创建异步客户端实例，并通过 async/await 关键字等待异步操作完成，这样才能确保程序正确执行。

5. SSL/TLS证书验证

SSL/TLS证书验证是保证HTTP通信安全的重要手段之一。HTTPX提供了对SSL/TLS证书的验证机制，下面介绍如何在HTTPX中进行SSL/TLS证书验证：

验证服务器证书

HTTPX 默认会验证服务器证书，如果证书无效或不可信，则会抛出 httpx.RemoteProtocolError 异常。以下是一个示例代码：

import httpx

response = httpx.get('https://www.example.com')

print(response.status_code)
print(response.text)

在上述代码中，使用 httpx.get() 函数向服务器发送 GET 请求，并默认启动 SSL/TLS 证书验证。如果服务器证书无效，则 HTTPX 会抛出 httpx.RemoteProtocolError 异常。

禁用服务器证书验证

虽然 SSL/TLS 证书验证是确保通信安全的重要手段，但在一些特殊情况下需要禁用证书验证，例如调试时使用自签名证书等。可以通过将 verify 参数设置为 False 来禁用 SSL/TLS 证书验证。以下是一个示例代码：

import httpx

response = httpx.get('https://www.example.com', verify=False)

print(response.status_code)
print(response.text)

在上述代码中，verify=False 参数被用于禁用服务器证书验证。需要注意的是，这种方法会降低通信安全性，应谨慎使用。

指定客户端证书

除了验证服务器证书外，HTTPX 还支持指定客户端证书。可以通过 cert 参数来指定客户端证书和私钥文件的路径。以下是一个示例代码：

import httpx

client_cert = ('path/to/cert.pem', 'path/to/key.pem')

response = httpx.get('https://www.example.com', cert=client_cert)

print(response.status_code)
print(response.text)

在上述代码中，client_cert 变量被用于指定客户端证书和私钥的路径。需要注意的是，客户端证书应该由受信任的第三方机构颁发，并且应该进行保护。

6. 文件上传和下载

HTTPX支持文件上传和下载，可以通过httpx.post() 和 httpx.get() 函数向服务器上传和下载文件。下面分别介绍如何在 HTTPX 中进行文件上传和下载：

文件上传示例
可以通过 files 参数来实现文件上传功能。以下是一个文件上传的示例代码：

import httpx

with open('example.txt', 'rb') as f:
files = {'file': ('example.txt', f)}
response = httpx.post('https://www.example.com/upload', files=files)

print(response.status_code)
print(response.text)

在上述代码中，使用了 open() 函数打开本地文件，并将文件数据添加到 files 参数中。然后，使用 httpx.post() 函数向服务器发送 POST 请求并上传文件。

需要注意的是，('example.txt', f) 中，第一个参数是文件名，第二个参数是文件内容。具体而言，文件内容应该以二进制格式表示。

文件下载示例
可以通过 stream=True 参数将文件下载至内存中，并逐步写入本地文件。以下是一个文件下载的示例代码：

import httpx

response = httpx.get('https://www.example.com/image.jpg', stream=True)

with open('image.jpg', 'wb') as f:
for chunk in response.iter_bytes():
f.write(chunk)

print(response.status_code)

在上述代码中，使用了 httpx.get() 函数向服务器发送 GET 请求。其中，stream=True 参数被用于启动响应流模式，这样可以将文件下载到内存中，然后逐步写入本地文件。需要注意的是，在下载大文件时，响应流模式可以减少内存占用并提高性能。

Cookie管理

HTTPX提供了用于管理Cookie的工具，可以通过httpx.CookieJar()对象来管理Cookie。下面介绍如何在HTTPX中进行Cookie管理：

使用CookieJar管理Cookie

可以使用 httpx.CookieJar() 对象来管理 Cookie。以下是一个示例代码：

import httpx

# 创建 CookieJar 实例
cookie_jar = httpx.CookieJar()

# 将 Cookie 添加到 CookieJar 中
cookie = httpx.cookies.Cookie(name='name', value='value')
cookie_jar.set_cookie(cookie)

# 使用 CookieJar 发送请求
with httpx.Client(cookie_jar=cookie_jar) as client:
    response = client.get('https://www.example.com')

print(response.status_code)

在上述代码中，首先创建了一个 httpx.CookieJar() 实例，并将 httpx.cookies.Cookie() 对象添加到 CookieJar 中。然后，在使用 HTTPX 发送请求时，通过 cookie_jar=cookie_jar 参数来指定使用 CookieJar 管理 Cookie。

需要注意的是，通过 set_cookie() 方法向 httpx.CookieJar() 添加 Cookie 后，这些 Cookie 将被自动附加到后续的 HTTP 请求中。

使用Session管理Cookie

除了使用 httpx.CookieJar() 对象管理 Cookie 外，还可以使用 httpx.Client() 对象的 Session 来管理 Cookie。以下是一个示例代码：

import httpx

# 创建 Session 实例
session = httpx.Client()

# 向 Session 中添加 Cookie
cookie = httpx.cookies.Cookie(name='name', value='value')
session.cookies.set_cookie(cookie)

# 使用 Session 发送请求
response = session.get('https://www.example.com')

print(response.status_code)

在上述代码中，通过 httpx.Client() 创建了一个 HTTP 客户端实例，并使用 session.cookies.set_cookie() 方法向 Session 中添加 Cookie。然后，在使用 HTTPX 发送请求时，不需要指定 cookie_jar 参数，而是使用 Session 自动管理 Cookie。

需要注意的是，httpx.Client() 的 Session 会自动保存并发送所有 Cookie，因此在发送多个 HTTP 请求时，可以方便地管理 Cookie。

连接池

HTTPX 是一个 Python 的异步 HTTP 客户端库。它支持连接池来重用已建立的 HTTP 连接，从而提高性能并减少网络延迟。

创建连接池

要创建连接池，请使用 httpx.AsyncClient() 构造函数并指定 limits 参数。

import httpx

limits = httpx.Limits(max_connections=100, max_keepalive=10)
client = httpx.AsyncClient(limits=limits)

此代码将创建一个最大连接数为 100，最大保持活动连接数为 10 的连接池。

使用连接池

一旦你创建了连接池，你可以像正常地发送请求一样使用 httpx.AsyncClient() 实例发送请求。在创建客户端时，HTTPX 将自动管理连接池中的连接。

response = await client.get("https://www.example.com")
print(response.text)

这将使用连接池中的空闲连接来发送 HTTP GET 请求，并返回响应。如果没有可用的连接，HTTPX 将自动创建一个新连接。

3. 使用HTTPX编写Web爬虫

import asyncio

import httpx
from bs4 import BeautifulSoup


async def fetch(url):
    async with httpx.AsyncClient() as client:
        response = await client.get(url)
        return response.text


async def scrape():
    url = "https://book.douban.com/top250"
    html = await fetch(url)
    soup = BeautifulSoup(html, "html.parser")
    books = []
    for book in soup.select(".indent > table"):
        title = book.select_one(".pl2 > a")["title"]
        link = book.select_one(".pl2 > a")["href"]
        rating = book.select_one(".rating_num").text.strip()
        author = book.select_one(".pl").text.strip().split("/")[0]
        books.append({"title": title, "link": link, "rating": rating, "author": author})
    return books


if __name__ == "__main__":
    books = asyncio.run(scrape())
    for book in books:
        print(book)

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)