Как ускорить работу Python urllib2 при выполнении нескольких запросов

Я делаю несколько http-запросов к определенному хосту, используя библиотеку python urllib2. Каждый раз, когда выполняется запрос, создается новое соединение tcp и http, которое занимает заметное количество времени. Есть ли способ сохранить соединение tcp/http с помощью urllib2?

Ответ 1

Если вы переключитесь на httplib, у вас будет более тонкий контроль над базовым соединением.

Например:

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()

Это отправит 2 HTTP GET в одно и то же базовое TCP-соединение.

Ответ 2

Я использовал стороннюю urllib3 библиотеку, чтобы иметь хороший эффект в прошлом. Он предназначен для дополнения urllib2 путем объединения соединений для повторного использования.

Измененный пример из wiki:

>>> 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

Ответ 3

Если вам нужно что-то более автоматическое, чем обычный httplib, это может помочь, хотя оно не является потоковым.

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