从源码解析Python的Flask框架中request对象的用法

(编辑：jimmy 日期: 2024/11/15 浏览：2)

from flask import request
Flask 是一个人气非常高的Python Web框架，笔者也拿它写过一些大大小小的项目，Flask 有一个特性我非常的喜欢，就是无论在什么地方，如果你想要获取当前的request对象，只要简单的：
从当前request获取内容：

method：起始行，元数据
host：起始行，元数据
path：起始行，元数据
environ：其中的 SERVER_PROTOCOL 是起始行，元数据
headers：头，元数据
data： body，元数据
remote_addr：客户端地址
args：请求链接中的参数（GET 参数），解析后
form： form 提交中的参数，解析后
values： args 和 forms 的集合
json： json 格式的 body 数据，解析后
cookies：指向 Cookie 的链接

Request 对象对参数的分类很细，注意 args, form, valeus, json 的区别。当然最保险也最原始的方式就是自己去解析 data。

另一个需注意的地方是某些属性的类型，并不是 Python 标准的 dict ，而是 MultiDict 或者 CombinedMultiDict。这是为了应对 HTTP 协议中参数都是可重复的这点而做的设定。因此取值的时候要注意这些对象的特性，比如 .get() 和 .get_list() 方法返回的东西是不同的。
非常简单好记，用起来也非常的友好。不过，简单的背后藏的实现可就稍微有一些复杂了。跟随我的文章来看看其中的奥秘吧！

两个疑问？
在我们往下看之前，我们先提出两个疑问：

疑问一 : request ，看上去只像是一个静态的类实例，我们为什么可以直接使用request.args 这样的表达式来获取当前request的args属性，而不用使用比如：

from flask import get_request

# 获取当前request
request = get_request()
get_request().args

这样的方式呢？flask是怎么把request对应到当前的请求对象的呢？

疑问二 : 在真正的生产环境中，同一个工作进程下面可能有很多个线程（又或者是协程），就像我刚刚所说的，request这个类实例是怎么在这样的环境下正常工作的呢？

要知道其中的秘密，我们只能从flask的源码开始看了。

源码，源码，还是源码
首先我们打开flask的源码，从最开始的__init__.py来看看request是怎么出来的：

# File: flask/__init__.py
from .globals import current_app, g, request, session, _request_ctx_stack


# File: flask/globals.py
from functools import partial
from werkzeug.local import LocalStack, LocalProxy


def _lookup_req_object(name):
  top = _request_ctx_stack.top
  if top is None:
    raise RuntimeError('working outside of request context')
  return getattr(top, name)

# context locals
_request_ctx_stack = LocalStack()
request = LocalProxy(partial(_lookup_req_object, 'request'))

我们可以看到flask的request是从globals.py引入的，而这里的定义request的代码为 request = LocalProxy(partial(_lookup_req_object, 'request')) , 如果有不了解 partial是什么东西的同学需要先补下课，首先需要了解一下 partial 。

不过我们可以简单的理解为 partial(func, 'request') 就是使用 'request' 作为func的第一个默认参数来产生另外一个function。

所以， partial(_lookup_req_object, 'request') 我们可以理解为：

生成一个callable的function，这个function主要是从 _request_ctx_stack 这个LocalStack对象获取堆栈顶部的第一个RequestContext对象，然后返回这个对象的request属性。

这个werkzeug下的LocalProxy引起了我们的注意，让我们来看看它是什么吧：

@implements_bool
class LocalProxy(object):
  """Acts as a proxy for a werkzeug local. Forwards all operations to
  a proxied object. The only operations not supported for forwarding
  are right handed operands and any kind of assignment.
  ... ...

看前几句介绍就能知道它主要是做什么的了，顾名思义，LocalProxy主要是就一个Proxy，一个为werkzeug的Local对象服务的代理。他把所以作用到自己的操作全部“转发”到它所代理的对象上去。

那么，这个Proxy通过Python是怎么实现的呢？答案就在源码里：

# 为了方便说明，我对代码进行了一些删减和改动

@implements_bool
class LocalProxy(object):
  __slots__ = ('__local', '__dict__', '__name__')

  def __init__(self, local, name=None):
    # 这里有一个点需要注意一下，通过了__setattr__方法，self的
    # "_LocalProxy__local" 属性被设置成了local，你可能会好奇
    # 这个属性名称为什么这么奇怪，其实这是因为Python不支持真正的
    # Private member，具体可以参见官方文档：
    # http://docs.python.org/2/tutorial/classes.html#private-variables-and-class-local-references
    # 在这里你只要把它当做 self.__local = local 就可以了 :)
    object.__setattr__(self, '_LocalProxy__local', local)
    object.__setattr__(self, '__name__', name)

  def _get_current_object(self):
    """
    获取当前被代理的真正对象，一般情况下不会主动调用这个方法，除非你因为
    某些性能原因需要获取做这个被代理的真正对象，或者你需要把它用来另外的
    地方。
    """
    # 这里主要是判断代理的对象是不是一个werkzeug的Local对象，在我们分析request
    # 的过程中，不会用到这块逻辑。
    if not hasattr(self.__local, '__release_local__'):
      # 从LocalProxy(partial(_lookup_req_object, 'request'))看来
      # 通过调用self.__local()方法，我们得到了 partial(_lookup_req_object, 'request')()
      # 也就是 ``_request_ctx_stack.top.request``
      return self.__local()
    try:
      return getattr(self.__local, self.__name__)
    except AttributeError:
      raise RuntimeError('no object bound to %s' % self.__name__)

  # 接下来就是一大段一段的Python的魔法方法了，Local Proxy重载了(几乎)"htmlcode">

from functools import partial
from werkzeug.local import LocalStack, LocalProxy


def _lookup_req_object(name):
  top = _request_ctx_stack.top
  if top is None:
    raise RuntimeError('working outside of request context')
  return getattr(top, name)

# context locals
_request_ctx_stack = LocalStack()
request = LocalProxy(partial(_lookup_req_object, 'request'))




问题的关键就在于这个 _request_ctx_stack 对象了，让我们找到LocalStack的源码：


class LocalStack(object):

  def __init__(self):
    # 其实LocalStack主要还是用到了另外一个Local类
    # 它的一些关键的方法也被代理到了这个Local类上
    # 相对于Local类来说，它多实现了一些和堆栈“Stack”相关方法，比如push、pop之类
    # 所以，我们只要直接看Local代码就可以
    self._local = Local()

  ... ...

  @property
  def top(self):
    """
    返回堆栈顶部的对象
    """
    try:
      return self._local.stack[-1]
    except (AttributeError, IndexError):
      return None


# 所以，当我们调用_request_ctx_stack.top时，其实是调用了 _request_ctx_stack._local.stack[-1]
# 让我们来看看Local类是怎么实现的吧，不过在这之前我们得先看一下下面出现的get_ident方法

# 首先尝试着从greenlet导入getcurrent方法，这是因为如果flask跑在了像gevent这种容器下的时候
# 所以的请求都是以greenlet作为最小单位，而不是thread线程。
try:
  from greenlet import getcurrent as get_ident
except ImportError:
  try:
    from thread import get_ident
  except ImportError:
    from _thread import get_ident

# 总之，这个get_ident方法将会返回当前的协程/线程ID，这对于每一个请求都是唯一的


class Local(object):
  __slots__ = ('__storage__', '__ident_func__')

  def __init__(self):
    object.__setattr__(self, '__storage__', {})
    object.__setattr__(self, '__ident_func__', get_ident)

  ... ...

  # 问题的关键就在于Local类重载了__getattr__和__setattr__这两个魔法方法

  def __getattr__(self, name):
    try:
      # 在这里我们返回调用了self.__ident_func__()，也就是当前的唯一ID
      # 来作为__storage__的key
      return self.__storage__[self.__ident_func__()][name]
    except KeyError:
      raise AttributeError(name)

  def __setattr__(self, name, value):
    ident = self.__ident_func__()
    storage = self.__storage__
    try:
      storage[ident][name] = value
    except KeyError:
      storage[ident] = {name: value}

  ... ...

  # 重载了这两个魔法方法之后

  # Local().some_value 不再是它看上去那么简单了:
  # 首先我们先调用get_ident方法来获取当前运行的线程/协程ID
  # 然后获取这个ID空间下的some_value属性，就像这样：
  #
  #  Local().some_value -> Local()[current_thread_id()].some_value
  #
  # 设置属性的时候也是这个道理




通过这些分析，相信疑问二也得到了解决，通过使用了当前的线程/协程ID，加上重载一些魔法 方法，Flask实现了让不同工作线程都使用了自己的那一份stack对象。这样保证了request的正常 工作。
说到这里，这篇文章也差不多了。我们可以看到，为了使用者的方便，作为框架和工具的开发者 需要付出很多额外的工作，有时候，使用一些语言上的魔法是无法避免的，Python在这方面也有着 相当不错的支持。
我们所需要做到的就是，学习掌握好Python中那些魔法的部分，使用魔法来让自己的代码更简洁， 使用更方便。
但是要记住，魔法虽然炫，千万不要滥用哦。

上一篇：Python输出汉字字库及将文字转换为图片的方法

下一篇：使用Python的Flask框架来搭建第一个Web应用程序

从源码解析Python的Flask框架中request对象的用法

最新资源