Python requests库核心源码解析

Requests is an elegant and simple HTTP library for Python, built for human beings.

Python requests是最常用的Python第三方库之一，可用于发送HTTP请求，其采用了直观的API设计风格，使用起来非常简单方便。

Requests库是出自于大神 Kenneth Reitz 之手，我之前看过他写的《Python编程之美》，这本书可以让我们编写的代码更Pythonic，工程结构更加优美。Requests库的源码地址在：Github psf/requests，将其源码下载到本地之后，打开工程我们会发现其工程结构和代码规范都非常的优美，而且代码的核心逻辑也非常简洁，特别适合刚开始尝试阅读源码的同学学习。今天这篇文章就对Python requests库进行一个简单的源码分析。

1. 简单实例

---

首先，我们还是先用requests库编写一个简单的入门实例，然后再从实例作为入口深入分析其源码。

>>> import requests
>>> url = 'https://api.github.com/repos/psf/requests'
>>> r = requests.get(url)
>>> r.ok
True
>>> r.json()['description']
'A simple, yet elegant HTTP library.'
>>>

Requests库将常用的HTTP操作在api层进行了封装，我们可以非常方便地发起get/post/put/delete/head等操作，如果我们的应用场景比较复杂，也可以直接使用其内部对象进行定制化开发。

2. 核心流程

---

下图呈现了我们上面实例中get请求的核心时序流程，这里将一些非关键的步骤给忽略掉了，有兴趣的话可以自己去细读源码。接下来我们逐层解析时序图中涉及到的对象和流程。

首先是api层，requests库的api模块中封装了 get, post, options, head, put, delete等方法，我们可以直接调用这几个方法发起HTTP请求，这些方法中都调用了request()方法，request方法的代码如下，这里实例化了一个Session对象，然后调用了Session对象的request方法发起请求。

def request(method, url, **kwargs):
    with sessions.Session() as session:
        return session.request(method=method, url=url, **kwargs)

3. Session

---

Session对象可用于保存请求的状态，比如证书、cookies、proxy等信息，可实现在多个请求之间保持长连接。如果我们是直接使用的api层的方法发起的请求，那么在请求结束之后，所有的状态都会被清理掉。如果我们需要频繁向服务端发起请求，那么使用Session实现长连接可以大大提升处理性能。

Session类中维护了多个HTTPAdpater对象，分别用于处理不同scheme的请求，代码如下，我们也可以通过Session.mount()方法设置我们自定义的HTTPAdapter，比如根据要求重新设置重试次数等等。

class Session(SessionRedirectMixin):
    def __init__(self):
        ......
        self.adapters = OrderedDict()
        self.mount('https://', HTTPAdapter())
        self.mount('http://', HTTPAdapter())

Session类继承自SessionRedirectMixin类，SessionRedirectMixin类中实现了用于进行HTTP重定向的能力，这块就不细看了。

我们来看Session对象的request()方法，该方法主要用于发送请求，方法中首先调用了prepare_request()方法将一些请求数据提前封装到了一个PreparedRequest对象中，然后在后面请求的过程中都是使用的该对象。PreparedRequest对象中将请求的method, url, header, cookie, body等数据进行了预处理。

class PreparedRequest(...):
    ......
    def prepare(self,
            method=None, url=None, headers=None, files=None, data=None,
            params=None, auth=None, cookies=None, hooks=None, json=None):
        self.prepare_method(method)
        self.prepare_url(url, params)
        self.prepare_headers(headers)
        self.prepare_cookies(cookies)
        self.prepare_body(data, files, json)
        self.prepare_auth(auth, url)
        self.prepare_hooks(hooks)

回到request方法中，下一步会将该request对象和一些请求配置信息一起通过调用Session.send()方法将请求发送出去。send方法的逻辑比较简单，就是先获取对应的HTTPAdapter，然后调用adapter的send方法发起请求，最后收到应答之后再判断是否要进行重定向。方法中包含了很多非关键代码，这里就不贴源码了。

4. HTTPAdapter

---

接下来看HTTPAdapter类，之前讲了Session对象主要是用来保存请求的状态的，其实HTTPAdapter才是实际用于发送请求的组件。

我们看HTTPAdapter类的构建方法可以知道，Adapter中主要维护了三个对象，max_retries用于请求重试，proxy_manager用于维护与proxy的连接，poolmanager属性维护了一个连接池PoolManager对象。我们在创建HTTPAdapter的时候可以指定连接池的大小和请求最大重试次数。

这里之所以使用连接池，是为了对连接到相同服务端的请求的连接进行复用，我们知道在一次请求过程中，TCP连接的建立和断开是非常耗时的，如果能够把建立连接这一步省掉那将会大大提升请求性能。连接池的细节我们在下一小节再详细解析。

def send(self, request, ...):
    conn = self.get_connection(request.url, proxies)
    self.cert_verify(conn, request.url, verify, cert)
    resp = conn.urlopen(...)
    return self.build_response(request, resp)

接下来我们来看HTTPAdapter类的send方法，该方法的代码比较长，清除掉其他非核心代码，主要包括以下四步，代码如上。

1. 首先是调用get_connection()方法从proxy_manager或者poolmanager中获取到连接，这里代码中用的虽然是connection变量名，但是实际上这里获取的是一个连接池HTTPConnectionPool对象，具体使用的是哪个连接发送请求其实是在连接池HTTPConnectionPool中去自动选择的。这里如果有使用proxy，那么这里就是获取的连接到proxy的一个连接池。
2. 然后下一步就是调用cert_verify()方法将TLS证书设置到连接中去，如果使用HTTPS的话。
3. 接下来就是调用连接池HTTPConnectionPool的urlopen()方法，获取一个连接，发送请求，获取响应，这里获取到的响应还是urllib3库中的原生response对象。
4. 最后一步是调用build_response()方法将urllib3库中的原生response对象封装为requests库中的Response对象。

5. PoolManager

---

PoolManager对象是urllib3库中的成员，requests库直接在HTTPAdapater类中封装了urllib3库的组件实现了连接池。我们这里对PoolManager对象进行一个简单的解析。

PoolManager中维护了若干个连接池HTTPConnectionPool或者HTTPSConnectionPool，每个连接池又维护了若干条Connection，这里默认的大小是10个连接池，每个连接池10条连接，但是我们可以在创建PoolManager的时候自行指定。

PoolManager中针对具有scheme、host、port三个属性相同的请求使用同一个连接池，每个连接池维护了一个连接队列，当获取连接时会优先从队列中获取一条现成的连接，如果没有现成的则新创建一条连接，连接使用完成之后会再次添加回队列中，以便后续可以继续使用。

6. 优秀工程实践

---

其实requests库除了代码非常优美值得我们学习之外，其使用到的工程实践也是值得我们在自己的项目中学习借鉴的。

Requests项目的主目录下除了requests目录用于放置源码外，还包含了docs目录存放文档的网页源码，一个项目除了源码，清晰准确的文档也是非常重要的。在tests目录下存放的是在编码过程中同步编写的测试用例，另外主目录下还有CI脚本，每次往项目中集成新代码时都会执行CI，自动运行测试用例，保证新合入代码未破坏之前的功能。另外主目录下还有HISTORY文件，用于详细记录每个版本的变更内容，方便版本发布，另外还有项目依赖包文件、README等。

Requests库的代码组织结构也是值得学习的，模块根据功能组织，清晰明确。另外__version__模块存放了项目的版本相关信息，在__init__中将api层的接口方法以及一些核心模型直接暴露出去，这样对于使用者使用起来会更加的方便。

7. 总结

---

这篇文章从源码的核心流程以及工程实践对Python requests库进行了基本的解析，如果想进一步学习其中优美的地方可以自己深度阅读源码。我觉得requests库在Python开发者中之所以这么受欢迎，最主要的原因就是其功能简洁并稳定，接口使用非常方便，另外其清晰的文档也起到了很重要的作用。