python-3.x - 这两种在 Python 中建立网络连接的方式之间的实际区别是什么？

Question

我注意到有几种方法可以启动 http 连接以进行网络抓取。我不确定是否有一些是更新的和最新的编码方式，或者它们是否只是具有不同优点和缺点的不同模块。更具体地说，我试图了解以下两种方法之间的区别，您会推荐什么？

1) 使用 urllib3:

http = PoolManager()
r = http.urlopen('GET', url, preload_content=False)
soup = BeautifulSoup(r, "html.parser")

2) 使用请求

html = requests.get(url).content
soup = BeautifulSoup(html, "html5lib")

除了需要导入不同模块这一简单事实之外，还有什么让这两个选项与众不同？

Answer 1

在底层，requests 使用 urllib3 来完成大部分的 http 繁重工作。如果使用得当，它应该基本相同，除非您需要更高级的配置。

除了，在您的特定示例中，它们不相同:

在 urllib3 示例中，您重新使用连接，而在请求示例中，您没有重新使用连接。您可以通过以下方式判断:

>>> import requests
>>> requests.packages.urllib3.add_stderr_logger()
2016-04-29 11:43:42,086 DEBUG Added a stderr logging handler to logger: requests.packages.urllib3
>>> requests.get('https://www.google.com/')
2016-04-29 11:45:59,043 INFO Starting new HTTPS connection (1): www.google.com
2016-04-29 11:45:59,158 DEBUG "GET / HTTP/1.1" 200 None
>>> requests.get('https://www.google.com/')
2016-04-29 11:45:59,815 INFO Starting new HTTPS connection (1): www.google.com
2016-04-29 11:45:59,925 DEBUG "GET / HTTP/1.1" 200 None

要像在 urllib3 PoolManager 中那样开始重新使用连接，您需要发出请求 session 。

>>> session = requests.session()
>>> session.get('https://www.google.com/')
2016-04-29 11:46:49,649 INFO Starting new HTTPS connection (1): www.google.com
2016-04-29 11:46:49,771 DEBUG "GET / HTTP/1.1" 200 None
>>> session.get('https://www.google.com/')
2016-04-29 11:46:50,548 DEBUG "GET / HTTP/1.1" 200 None

现在它等同于您使用http = PoolManager() 所做的事情。请注意:urllib3 是一个较低级别的更明确的库，因此您明确创建一个池，并且您将明确需要指定 your SSL certificate location ， 例如。这是一两行额外的工作，但如果这正是您要寻找的，那么它也有更多的控制权。

总而言之，比较变成:

1) 使用 urllib3:

import urllib3, certifi
http = urllib3.PoolManager(ca_certs=certifi.where())
html = http.request('GET', url).read()
soup = BeautifulSoup(html, "html5lib")

2) 使用请求:

import requests
session = requests.session()
html = session.get(url).content
soup = BeautifulSoup(html, "html5lib")