2. 其他库推荐
2.1. aiohttp-requests
这个库时对aiohttp库的网络请求模块的封装,用了这个库,在异步网络请求的时候,可以在写法上更简洁易懂。本质上还是aiohttp库的使用。推荐使用这个库来做网络请求。
2.2. aiofiles
aiofiles是一个用Python编写,用于处理asyncio应用程序中的本地磁盘文件。爬虫过程中用它来进行文件的异步操作。
2.3. grequests
grequests模块相当于是封装了gevent的requests模块。
3. 问题记录
3.1. Multipart.FormData 示例
下面示例展示上传图片至SM.MS。
with open(abspath_file, 'rb') as fp:
multipart_form_data = aiohttp.FormData(quote_fields=False) # quote_fields: 将对中文进行转码
multipart_form_data.add_field('smfile', fp,
content_type="image/jpeg",
filename=os.path.basename(relpath_file),
content_transfer_encoding="base64")
headers = {'Authorization': self.api_token} if self.api_token else None
# headers = {"Content-Type": "multipart/form-data"}
async with aiohttp.ClientSession() as session:
async with session.post(self.endpoint,
data=multipart_form_data,
headers=headers) as resp:
await resp.text()
str_response = await resp.text()
json_content = json.loads(str_response)
if not json_content['success']:
logger.error(json_content)
raise UploadError()
print(f"[+] 完成上传: {relpath_file}")
3.2. with open("xxx") 会被自动关闭
程序是这样的:
with open("xxx", "rb") as fp:
async with aiohttp.ClientSession() as session:
async with session.post(self.endpoint, data=fp) as resp:
await resp.text()
file_hash = hashlib.md5()
while chunk := fp.read(8192): # 这里报错:ValueError: read of closed file
file_hash.update(chunk)
return file_hash.hexdigest()
报错:ValueError: read of closed file
找到一篇相似的文章,解释不保证准确:
问题是open(...)返回一个文件对象,并且您要将同一文件对象传递给要start()在顶层创建的所有协程。恰好先调度的协程实例将文件对象session.post()作为的一部分传输data,session.post()并将读取文件到最后并关闭文件对象。下一个start()协程将尝试从现在关闭的对象中读取,这将引发异常。
要解决此问题而不多次打开文件,您需要确保实际将数据作为字节对象读取:
data = {'file': open('test_img.jpg', 'rb').read()}
这会将相同的字节对象传递给所有协程,它们应按预期工作。
3.3. filename中文错误
使用post方式,上传multipart到SM.MS时,图像存储没问题,但文件名从中文变成了诸如 %E9%B2%8D%E9%B.jpg
的样子……应该是编码问题。怎么避免呢?
multipart_form_data = aiohttp.FormData(quote_fields=False) # quote_fields: 将对中文进行转码
使用参数 quote_fields
将避免该问题。
3.4. aiohttp(yarl)对url部分字符自动urldecode
github
最新碰到一个用 aiohttp 访问不出内容,但是用 requests 能访问的情况,url 是事先进行了 urlencode 的, 下面的 url 随便找了个站点代替,但是把重点的参数提了出来
%40 对应的是 `@`
%3a 对应的是 `:`
解决方案:
str_url = "https://www.xxx.com?xxx%40yyy%3azzz"
proxy_url = "http://localhost:8080"
async with session.get(URL(str_url), proxy=proxy_url) as resp:
print(await resp.text())
async with session.get(URL(str_url, encoded=True), proxy=proxy_url) as resp:
print(await resp.text())
2. 其他库推荐
2.1. aiohttp-requests
这个库时对aiohttp库的网络请求模块的封装,用了这个库,在异步网络请求的时候,可以在写法上更简洁易懂。本质上还是aiohttp库的使用。推荐使用这个库来做网络请求。
2.2. aiofiles
aiofiles是一个用Python编写,用于处理asyncio应用程序中的本地磁盘文件。爬虫过程中用它来进行文件的异步操作。
2.3. grequests
grequests模块相当于是封装了gevent的requests模块。
3. 问题记录
3.1. Multipart.FormData 示例
下面示例展示上传图片至SM.MS。
with open(abspath_file, 'rb') as fp:
multipart_form_data = aiohttp.FormData(quote_fields=False) # quote_fields: 将对中文进行转码
multipart_form_data.add_field('smfile', fp,
content_type="image/jpeg",
filename=os.path.basename(relpath_file),
content_transfer_encoding="base64")
headers = {'Authorization': self.api_token} if self.api_token else None
# headers = {"Content-Type": "multipart/form-data"}
async with aiohttp.ClientSession() as session:
async with session.post(self.endpoint,
data=multipart_form_data,
headers=headers) as resp:
await resp.text()
str_response = await resp.text()
json_content = json.loads(str_response)
if not json_content['success']:
logger.error(json_content)
raise UploadError()
print(f"[+] 完成上传: {relpath_file}")
3.2. with open("xxx") 会被自动关闭
程序是这样的:
with open("xxx", "rb") as fp:
async with aiohttp.ClientSession() as session:
async with session.post(self.endpoint, data=fp) as resp:
await resp.text()
file_hash = hashlib.md5()
while chunk := fp.read(8192): # 这里报错:ValueError: read of closed file
file_hash.update(chunk)
return file_hash.hexdigest()
报错:ValueError: read of closed file
找到一篇相似的文章,解释不保证准确:
问题是open(...)返回一个文件对象,并且您要将同一文件对象传递给要start()在顶层创建的所有协程。恰好先调度的协程实例将文件对象session.post()作为的一部分传输data,session.post()并将读取文件到最后并关闭文件对象。下一个start()协程将尝试从现在关闭的对象中读取,这将引发异常。
要解决此问题而不多次打开文件,您需要确保实际将数据作为字节对象读取:
data = {'file': open('test_img.jpg', 'rb').read()}
这会将相同的字节对象传递给所有协程,它们应按预期工作。
3.3. filename中文错误
使用post方式,上传multipart到SM.MS时,图像存储没问题,但文件名从中文变成了诸如 %E9%B2%8D%E9%B.jpg
的样子……应该是编码问题。怎么避免呢?
multipart_form_data = aiohttp.FormData(quote_fields=False) # quote_fields: 将对中文进行转码
使用参数 quote_fields
将避免该问题。
3.4. aiohttp(yarl)对url部分字符自动urldecode
github
最新碰到一个用 aiohttp 访问不出内容,但是用 requests 能访问的情况,url 是事先进行了 urlencode 的, 下面的 url 随便找了个站点代替,但是把重点的参数提了出来
%40 对应的是 `@`
%3a 对应的是 `:`
解决方案:
str_url = "https://www.xxx.com?xxx%40yyy%3azzz"
proxy_url = "http://localhost:8080"
async with session.get(URL(str_url), proxy=proxy_url) as resp:
print(await resp.text())
async with session.get(URL(str_url, encoded=True), proxy=proxy_url) as resp:
print(await resp.text())