python - 执行多个请求时如何加速 Python 的 urllib2

Question

我正在使用 python 的 urllib2 库向特定主机发出几个 http 请求。每次发出请求时，都会创建一个新的 tcp 和 http 连接，这需要相当长的时间。有什么方法可以使用 urllib2 保持 tcp/http 连接处于活动状态？

Answer 1

如果您切换到httplib，您将对底层连接进行更好的控制。

例如：

import httplib

conn = httplib.HTTPConnection(url)

conn.request('GET', '/foo')
r1 = conn.getresponse()
r1.read()

conn.request('GET', '/bar')
r2 = conn.getresponse()
r2.read()

conn.close()

这将在同一个底层 TCP 连接上发送 2 个 HTTP GET。

Answer 2

我过去使用第三方urllib3库效果很好。它旨在urllib2通过汇集连接以进行重用来补充。

来自wiki 的修改示例：

>>> from urllib3 import HTTPConnectionPool
>>> # Create a connection pool for a specific host
... http_pool = HTTPConnectionPool('www.google.com')
>>> # simple GET request, for example
... r = http_pool.urlopen('GET', '/')
>>> print r.status, len(r.data)
200 28050
>>> r = http_pool.urlopen('GET', '/search?q=hello+world')
>>> print r.status, len(r.data)
200 79124

Answer 3

如果您需要比普通 httplib 更自动化的东西，这可能会有所帮助，尽管它不是线程安全的。

try:
    from http.client import HTTPConnection, HTTPSConnection
except ImportError:
    from httplib import HTTPConnection, HTTPSConnection
import select
connections = {}


def request(method, url, body=None, headers={}, **kwargs):
    scheme, _, host, path = url.split('/', 3)
    h = connections.get((scheme, host))
    if h and select.select([h.sock], [], [], 0)[0]:
        h.close()
        h = None
    if not h:
        Connection = HTTPConnection if scheme == 'http:' else HTTPSConnection
        h = connections[(scheme, host)] = Connection(host, **kwargs)
    h.request(method, '/' + path, body, headers)
    return h.getresponse()


def urlopen(url, data=None, *args, **kwargs):
    resp = request('POST' if data else 'GET', url, data, *args, **kwargs)
    assert resp.status < 400, (resp.status, resp.reason, resp.read())
    return resp