the5fire的技术博客

关注python、vim、linux、web开发和互联网--life is short, we need python.


urllib2源码解读四(用opener打开你的url)

作者:the5fire | 标签:   | 发布:2012-12-20 11:45 p.m. | 阅读量: 5067, 4976

在前面两篇文章 《urllib2源码解读二(简单的urlopen)》《urllib2源码解读三》 中已经构造了一个opener了,我分析的过程看起来比较麻烦,其实理解之后发现也就那些逻辑罢了。有了这个opener之后,我们就可以用它来打开/读取url。整个过程都在opener.open(url)这个函数中。

这个函数的流程是清晰的,接受三个参数:fullurl,data,timeout。fullurl其实有两种形式:一种是url,另一种是Request对象。通过data参数来控制发送什么方式的http请求,GET还是POST。函数处理一个url的大体步骤是这样的:

  1. 构造Request对象。
  2. 对Request进行预处理,主要是晚上一个Request的信息,如header的处理或者cookie的处理。
  3. 然后用httplib中的对应协议的类,对这个Request进行处理。(httplib 是python中http 协议的客户端实现,用来与 HTTP 服务器进行交互)
  4. 最后就是扫尾了,看看你返回来的Response是否是一个有错误,有错误的就进行错误处理,比如说抛出一个“urlopen error...”这样的错误。
  5. 上一步没有错误的话,你就会得到一个经过httplib处理完成之后返回的Response对象,这个Response有点像一个文件对象,直接用read()即可。

基于上面的步骤,贴山代码来瞅一眼:

def open(self, fullurl, data=None, timeout=socket._GLOBAL_DEFAULT_TIMEOUT):
    '''
        一开始先建立Request对象,
        然后处理使用request的handler处理request请求,
        从上一步得到response之后,通过处理response的handler来处理

        其中,在处理request的时候,会用到上面的职责链。
    '''
    # accept a URL or a Request object
    if isinstance(fullurl, basestring):
        req = Request(fullurl, data)
    else:
        req = fullurl
        if data is not None:
            req.add_data(data)

    req.timeout = timeout
    protocol = req.get_type()

    # 预处理Request
    meth_name = protocol+"_request"
    for processor in self.process_request.get(protocol, []):
        meth = getattr(processor, meth_name)
        req = meth(req)

    # 处理Request
    response = self._open(req, data)

    #处理Resonse
    meth_name = protocol+"_response"
    for processor in self.process_response.get(protocol, []):
        meth = getattr(processor, meth_name)
        response = meth(req, response)

    return response

只需看那三块代码即可,都是基于之前文章中已经学习到的OpenerDirector的三个属性,处理方式都是遍历一遍对应协议的handler,然后挨个处理一遍或者说加工一遍更切贴,很像是一个流水线的工厂。

就拿第一个处理——request处理来说,首先会从process_request中获取出能处理http请求的handler,默认的情况下这个process_request中的http协议只对应一个处理器:HTTPHandler。因此会使用HTTPHandler中的http_request方法来处理。其余的两个处理过程也是一样。

这段代码并不是完全,因为其中还调用了一个私有方法(从命名上来说)self._open(req, data),先看下代码,然后再说下我对其中的疑问。

def _open(self, req, data=None):
        #用默认的open进行处理
        result = self._call_chain(self.handle_open, 'default',
                                  'default_open', req)
        if result:
            return result
        #用协议对应的open处理
        protocol = req.get_type()
        result = self._call_chain(self.handle_open, protocol, protocol +
                                  '_open', req)
        if result:
            return result
        #啥也没有得到,说明协议不对或者协议为包含的预期handler中,因此就是未知的处理。
        return self._call_chain(self.handle_open, 'unknown',
                                'unknown_open', req)

def _call_chain(self, chain, kind, meth_name, *args):
        """ 类职责链模式,通过遍历list里面的所有handler
            来查找能够处理该请求的方法
        """
        # Handlers raise an exception if no one else should try to handle
        # the request, or return None if they can't but another handler
        # could.  Otherwise, they return the response.
        handlers = chain.get(kind, ())
        for handler in handlers:
            func = getattr(handler, meth_name)
            result = func(*args)
            if result is not None:
                return result

_open代码中的注释很详细了,而_call_chain这段代码其实就是把for processor in self.process_request.get(protocol, [])....放到一个函数里了。 大概清晰之后,说说我的疑问。

疑问一、为啥要单独写一个_open函数,这三个处理过程都大致一样,一块放到一个函数中应该很清晰。
自问自答曰:可能是在open一个Request时的过程稍微复杂些,因此提取处理代码会更加清晰。我觉得这个理由很好。
疑问二、既然提取出来_call_chain这个函数,为啥不把对Request和Response的处理也用这个函数来做。
这个的原因我想还是为了保证三个处理的独立,区分更明显些吧。

这些疑问在以后的不断实践中回得到答案的,关于urllib2的分析就到此为止吧。

在对代码的分析学习中,最大的收获就是知道了一种程序的组织结构,用建造者模式或者说是职责连模式(知道是啥模型的不妨指点下)来处理多种请求,另外还有一点,函数不是越短越美,而是越清晰越美。

--EOF--


----EOF-----

扫码关注,或者搜索微信公众号:码农悟凡


其他分类: