自定义socket实现HTTP
自定义socket实现HTTP
Web服务的本质3
之前已经带过一点了，下面使用socket发一个请求并且接收返回的数据。去掉模块的封装，从比较底层的层面了解一下其中的过程。
员工经过长期磨合与沉淀，具备了协作精神，得以通过团队的力量开发出优质的产品。创新互联坚持“专注、创新、易用”的产品理念，因为“专注所以专业、创新互联网站所以易用所以简单”。公司专注于为企业提供成都网站制作、网站建设、外贸网站建设、微信公众号开发、电商网站开发，成都微信小程序，软件按需定制网站等一站式互联网企业服务。
HTTP/1.0
用socket自定义http请求：
import socket
from bs4 import BeautifulSoup
client = socket.socket()
# 连接
client.connect(('edu.51cto.com', 80))
# 发送
header = b'GET / HTTP/1.0\r\nHost: edu.51cto.com\r\n\r\n'
client.sendall(header)
# 接收
data = client.recv(1024)
content = b''
while data:
content += data
data = client.recv(1024)
head, body = content.split(b'\r\n\r\n')
print(head)
print(len(body), body)
soup = BeautifulSoup(body.decode(), features='html.parser')
title = soup.find('title')
print(title)这里发送的请求头里有HTTP的版本 "HTTP/1.0" ，所以返回的响应头里有这个 “Connection: close” ，这是一个短连接，接收数据就是上面的方式可以判断服务端是否传完了。接收数据到最后会收到一个空，就表示收完了。这个空应该是socket连接断开时发送的。
HTTP/1.1
如果发的HTTP请求版本是 “HTTP/1.1” ，返回的响应头里会有这些 “Transfer-Encoding: chunked\r\nConnection: keep-alive\r\n” 。然后在响应头和响应体之间会是这个 “\r\n\r\n2b0\r\n” ，前面的 “\r\n\r\n” 是响应头和响应体的分隔符，关键是中间的数字，这个是之后要发送的16进制字节数。也就是说这里的数据是分段发送的。每段数据都是前面是字节数，后面是数据，并且这里的分隔符也是 “\r\n” 。大概是这个样子的：
响应头
\r\n\r\n
2b0\r\n(0x2b0个字符)\r\n
27e4\r\n(0x27e4个字符)\r\n
1c7c\r\n(0x1c7c个字符)\r\n
0\r\n\r\n像上面这样，最后是会发一个空的，所以是以 "\r\n0\r\n\r\n" 结尾。下面是自己写的实现拼接head和body的方法：
import socket
from bs4 import BeautifulSoup
client = socket.socket()
# 连接
client.connect(('edu.51cto.com', 80))
# 发送
header = b'GET / HTTP/1.1\r\nHost: edu.51cto.com\r\n\r\n'
client.sendall(header)
# 接收
data = client.recv(1024)
body = b''
# 获取请求头
while len(data.split(b'\r\n\r\n', 1)) != 2:
data += client.recv(1024)
head, data = data.split(b'\r\n\r\n', 1)
print('HEAD', head)
# 拼接body
while data != b'0\r\n\r\n':
while len(data.split(b'\r\n', 1)) != 2:
data += client.recv(1024)
l, b = data.split(b'\r\n', 1)
length = int(l, base=16)
if len(b) <= length:
body += b
length -= len(b)
# 一下子把整段数据剩余的部分都读完
# length 可能会很长，但是可能一次收不全，所以得用循环和计数直到收完
while length:
b = client.recv(length)
body += b
length -= len(b)
data = b''
else:
body += b[:length]
data = b[length:]
# 把下一段body开头的 b'\r\n' 切掉
while len(data) < 2:
data += client.recv(1024)
else:
# 这个断言可以验证之前的逻辑是否有问题
assert data[0:2] == b'\r\n', b'data error: %d %b' % (len(data), data)
data = data[2:]
print(len(body), body)
soup = BeautifulSoup(body.decode(), features='html.parser')
title = soup.find('title')
print(title)验证body接收是否正确，可以和上面的HTTP/1.0的结果对比一下，看一下body的长度。
自定义异步IO实现HTTP
先补充点 selector 模块的知识，再用异步的 socket 实现 HTTP 请求。
补充知识（fileno() 方法）
select 和 selectors 模块里，需要把创建的socket实例放到监听的列表里。这里，可以添加到监听列表里的可以不是原生的socket实例。这里可以是 fd 也可以是一个拥有 fileno() 方法的对象。
fd ： 文件描述符，是一个整数，它是文件对象的 fileno() 方法的返回值。
这里，我们不仅要把socket对象加到监听列表里，还需要给它绑定一些别的属性。这就需要对socket封装一下。写一个自己类，加一写自己的属性以及一个socket对象的实例属性。关键是在类里实现一个 fileno() 方法，该方法原样返回 socket 实例的 fileno() 方法就可以了：
class HttpResponse(object):
"""接收一个实例化好的socket对象，在封装一些别的数据"""
def __init__(self, sk, item):
self.sk = sk
self.item = item
def fileno(self):
"""请求sockect对象的文件描述符，用于select监听"""
return self.sk.fileno()selector 模块
官方文档：https://docs.python.org/3/library/selectors.html
模块定义了一个 BaseSelector 的抽象基类，以及它的子类，包括：SelectSelector，PollSelector，EpollSelector，DevpollSelector，KqueueSelector。
另外还有一个DefaultSelector类，它其实是以上其中一个子类的别名而已，它自动选择为当前环境中最有效的Selector，所以平时用 DefaultSelector类就可以了，其它用不着。
# 用之前先创建实例
sel = selectors.DefaultSelector()模块定义了两个常量，在注册事件的时候定义响应哪类事件：
- EVENT_READ ： 表示可读的； 它的值其实是1
- EVENT_WRITE ： 表示可写的； 它的值其实是2
上面两个常量是位掩码，是这样定义的：
# generic events, that must be mapped to implementation-specific ones
EVENT_READ = (1 << 0)
EVENT_WRITE = (1 << 1)所以应该也可以同时监听两个事件， EVENT_READ+EVENT_WRITE ，也就是3。
抽象基类中的注册事件的方法
fileobj上一小节讲了，传入socket对象或者是其他实现了 fileno() 方法对象。events参数就是上面的两个常量。data参数在select方法里会返回：
register(fileobj, events, data=None) # 注册一个文件对象
unregister(fileobj) # 注销一个已经注册过的文件对象
modify(fileobj, events, data=None) # 用于修改一个注册过的文件对象，比如从监听可读变为监听可写。一个文件对象只能注册一个事件。注册的事件可以调用上面的 unregister 方法注销。
另外如果要改变文件对象监听的 event ，则调用上面的 modify 方法。它其实就是 register + unregister，但是使用modify更高效。
关于data对象，可以传入任何东西。selector本身应该不会操作data，只是事件注册时传入的data，等到该事件返回的时候，data也一起返回了。一种做法是传入回调函数，等事件返回的时候获取data调用一下做处理。还有一个做法是传入数据，等到事件返回的时候，再对对应的数据做处理。也可以以上2个都有，自己想办法吧所有的东西封装一下就是了。
抽象基类中的其他方法
select(timeout=None) ：用于选择满足我们监听的event的文件对象。
这个方法如果不设置参数就是阻塞的。返回1个元组 (key, mask) 。
key 就是一个SelectorKey类的实例，
key.fileobj 就是注册方法的第一个参数，也就是传入的文件对象，比如socket对象。
key.data 就是注册方式的第三个参数，一般可以把回调函数传进去。
mask 就是 EVENT 事件的常量，1、2或者也可能是3。
close() ： 关闭 selector。
get_key(fileobj) ： 返回注册文件对象的 key，返回的是 SelectorKey 类的实例，同select方法里的key。
get_map() 方法
这个也是上面的抽象类中的方法，不过单独讲。该方法返回的所有注册的对象。返回的类型如下：
不过基本上就是个字典。可以遍历，也有 .keys()、.values()、.items() 这些方法。
字典的key，就是文件描述符fd的数字
字典的value，里面有4个属性，注册时传入的内容都在这里：
- fileobj : 注册方法传进来的fileobj参数，就是socket对象（或者是其他实现了fileno方法的对象）
- fd : 就是文件描述符的数字
- events : 注册方法传进来的events参数
- data : 注册方法传进来的data参数。
由于主要内容都在value里，所以可以遍历 sel.get_map().values() 进行操作。但是要注意遍历的时候不能操作被遍历的对象，所以不能在for循环里做注册或者注销。
可以判断是否有注册对象，还有没有注册任何对象：
if sel.get_map(): # 有注册方法
pass
while sel.get_map(): # 可以用这个逻辑，在没有任何注册事件的时候退出循环
pass还可以检查注册了多少方法，控制注册事件的数量。事件太多了也就不能再注册了：
print(len(sel.get_map()))实现异步 IO 的 HTTP
import selectors
import socket
from bs4 import BeautifulSoup
url_list = [
{'host': 'edu.51cto.com', 'port': 80, },
{'host': 'www.baidu.com', 'port': 80, },
{'host': 'www.python-requests.org', 'port': 80, 'url': '/en/master/'},
{'host': 'open-falcon.org', 'port': 80, 'url': '/'},
{'host': 'www.jetbrains.com', 'port': 80},
]
class HttpSocket(object):
"""接收一个实例化好的socket对象，在封装一些别的数据"""
def __init__(self, sk, item):
self.sk = sk
self.item = item
self.host = self.item.get('host')
self.port = self.item.get('port', 80)
self.method = self.item.get('method', 'GET')
self.url = self.item.get('url', '/')
self.body = self.item.get('body', '')
self.callback = self.item.get('callback')
self.buffer = [] # 请求的返回值记录在这里
def fileno(self):
"""请求sockect对象的文件描述符，用于select监听"""
return self.sk.fileno()
def create_request_header(self):
"""创建请求信息"""
request = '%s %s HTTP/1.0\r\nHost: %s\r\n\r\n%s' % (self.method.upper(), self.url, self.host, self.body)
return request.encode('utf-8')
def write(self, data):
"""把接收到的数据写入 self.buffer"""
self.buffer.append(data)
def finish(self):
"""接收完毕后执行的函数"""
content = b''.join(self.buffer)
head, body = content.split(b'\r\n\r\n', 1)
print(head)
print(len(body), body)
soup = BeautifulSoup(body.decode(), features='html.parser')
title = soup.find('title')
print(title)
class AsyncRequest(object):
def __init__(self):
self.sel = selectors.DefaultSelector()
def add_request(self, item):
"""创建连接请求"""
host = item.get('host')
port = item.get('port')
client = socket.socket()
client.setblocking(False)
try:
client.connect((host, port))
except BlockingIOError as e:
pass # 至此，已经向服务器发出连接请求了
hsk = HttpSocket(client, item)
self.sel.register(hsk, selectors.EVENT_WRITE, self.connect)
# 不同同时注册2个事件，下面的注册要等到连接建立之后执行
# self.sel.register(sk, selectors.EVENT_READ, self.accept)
def connect(self, hsk, mask):
"""建立连接后的回调函数
发送请求，然后注册 EVENT_READ 事件
"""
print("连接成功:", hsk.item)
content = hsk.create_request_header()
print("发送请求:", content)
hsk.sk.sendall(content)
self.sel.modify(hsk, selectors.EVENT_READ, self.accept)
def accept(self, hsk, mask):
"""接收请求返回的内容"""
# print("返回信息:", hsk.item)
data = hsk.sk.recv(1024)
if data:
hsk.write(data)
else:
print("接收完毕", hsk.item)
hsk.finish()
self.sel.unregister(hsk)
def run(self):
"""主函数"""
while self.sel.get_map():
events = self.sel.select()
for key, mask in events:
callback = key.data # key.data就是sel.register里的第三个参数
callback(key.fileobj, mask) # key.fileobj就是sel.register里第一次参数
if __name__ == '__main__':
obj = AsyncRequest()
for url_dic in url_list:
obj.add_request(url_dic)
obj.run()接收完毕之后，最后执行的函数，这里是调用finish函数。这个函数最好可以自定义，那么就需要在搞一个callback参数。思路大概是这样的，最后就在finish函数里先可以做一些处理。然后判断一下，如果有callback，则调用callback。否则继续之后finish里之后的代码。
这个callback参数在哪里设置似乎在实现上都没问题：
可以在url_list里加，在HttpSocket的构造函数里提取出来。
或者是先给 AsyncRequest 类的构造函数，然后在add_request方法里实例化HttpSocket的时候再传过去。
再或者给add_request再加个参数，也是在add_request方法里实例化HttpSocket的时候再传过去。
socket 扫描端口
巩固 selector 模块的知识，又写了一个端口扫描的程序：
import socket
import selectors
import time
class ScanTask(object):
def __init__(self, host, start, end):
self.host = host
self.start = start
self.end = end
self.port = start
def __str__(self):
return "%s:(%s-%s)" % (self.host, self.start, self.end)
class AsyncScanPort(object):
def __init__(self, start=1, end=65535, timeout=1, interval=0.01, pool=100):
self.sel = selectors.DefaultSelector()
self.start = start
self.end = end
self.timeout = timeout
self.interval = interval
self.pool = pool
self.scan_list = []
self.scan_index = 0
def add_scan_task(self, host, start=None, end=None):
start = start or self.start
end = end or self.end
obj = ScanTask(host, start, end)
self.scan_list.append(obj)
def check_timeout(self):
for i in self.sel.get_map().values():
t = i.data['time']
if time.time() > t + self.timeout:
self.sel.unregister(i.fileobj)
return True
# 只要判断第一个就好了
return False
def add_to_scan(self):
if len(self.sel.get_map()) >= self.pool:
res = self.check_timeout()
if not res:
return False
if self.scan_index >= len(self.scan_list):
return False
obj = self.scan_list[self.scan_index]
if obj.port > obj.end:
self.scan_index += 1
print("\r单个地址加载完毕:", obj)
return self.add_to_scan()
client = socket.socket()
client.setblocking(False)
try:
client.connect((obj.host, obj.port))
except BlockingIOError as e:
pass
self.sel.register(client, selectors.EVENT_WRITE, {'obj': obj, 'port': obj.port, 'time': time.time()})
print('\r正在扫描 ==> %s:%s' % (obj.host, obj.port), end='', flush=True)
obj.port += 1
return True
def run(self):
"""主函数"""
self.add_to_scan()
while self.sel.get_map():
events = self.sel.select(self.interval)
if events:
for key, mask in events:
self.callback(key.fileobj, mask, key.data) # key.fileobj就是sel.register里第一次参数
self.add_to_scan()
print("扫描完毕")
self.sel.close()
def callback(self, sk, mask, data):
try:
sk.getpeername()
except OSError as e:
# 没有扫描到端口
self.sel.unregister(sk)
return
self.sel.unregister(sk)
print("\r扫描到端口:", data['obj'], data['port'])
if __name__ == '__main__':
hosts = ['192.168.1.1', '192.168.1.2', '192.168.1.3']
obj = AsyncScanPort()
for h in hosts:
obj.add_scan_task(h)
obj.run()文章题目：自定义socket实现HTTP
链接分享：http://pwwzsj.com/article/pohgeg.html
