亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

python對于requests的封裝方法詳解

 更新時間:2019年01月03日 09:11:42   作者:可昌  
今天小編就為大家分享一篇python對于requests的封裝方法詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

由于requests是http類接口的核心,因此封裝前考慮問題比較多:

1. 對多種接口類型的支持;

2. 連接異常時能夠重連;

3. 并發(fā)處理的選擇;

4. 使用方便,容易維護;

當前并未全部實現(xiàn),后期會不斷完善。重點提一下并發(fā)處理的選擇:python的并發(fā)處理機制由于存在GIL的原因,實現(xiàn)起來并不是很理想,綜合考慮多進程、多線程、協(xié)程,在不考慮大并發(fā)性能測試的前提下使用了多線程-線程池的形式實現(xiàn)。使用的是

concurrent.futures模塊。當前僅方便支持webservice接口。

# -*- coding:utf-8 -*-
 
import requests
from concurrent.futures import ThreadPoolExecutor
from Tools.Config import Config # 配置文件讀取
from Tools.Log import Log # 日志管理
from Tools.tools import decoLOG # 日志裝飾
 
'''
  功能:   Requests類
  使用方法: 
  作者:   郭可昌
  作成時間: 20180224
  更新內(nèi)容:
  更新時間:
'''
class Requests(object):
  def __init__(self):
    self.session = requests.session()
    self.header = {}
    # URL默認來源于配置文件,方便不同測試環(huán)境的切換,也可以動態(tài)設(shè)定
    self.URL = Config().getURL()
    # 默認60s,可以動態(tài)設(shè)定
    self.timeout = 60
    #http連接異常的場合,重新連接的次數(shù),默認為3,可以動態(tài)設(shè)定
    self.iRetryNum = 3
 
    self.errorMsg = ""
    # 內(nèi)容 = {用例編號:響應(yīng)數(shù)據(jù)}
    self.responses = {}
    # 內(nèi)容 = {用例編號:異常信息}
    self.resErr={}
 
 
  # 原始post使用保留
  # bodyData: request's data
  @decoLOG
  def post(self, bodyData):
    response = None
    self.errorMsg = ""
 
    try:
      response = self.session.post(self.URL, data=bodyData.encode('utf-8'), headers=self.header, timeout=self.timeout)
      response.raise_for_status()
    except Exception as e:
      self.errorMsg = str(e)
      Log().logger.error("HTTP請求異常,異常信息:%s" % self.errorMsg)
    return response
 
 
  # 復(fù)數(shù)請求并發(fā)處理,采用線程池的形式,用例數(shù)>線程池的容量:線程池的容量為并發(fā)數(shù),否則,用例數(shù)為并發(fā)數(shù)
  # dicDatas: {用例編號:用例數(shù)據(jù)}
  @decoLOG
  def req_all(self, dicDatas, iThreadNum=5):
 
    if len(dict(dicDatas)) < 1:
      Log().logger.error("沒有測試對象,請確認后再嘗試。。。")
      return self.responses.clear()
 
    # 請求用例集合轉(zhuǎn)換(用例編號,用例數(shù)據(jù))
    seed = [i for i in dicDatas.items()]
    self.responses.clear()
 
    # 線程池并發(fā)執(zhí)行,iThreadNum為并發(fā)數(shù)
    with ThreadPoolExecutor(iThreadNum) as executor:
      executor.map(self.req_single,seed)
 
    # 返回所有請求的響應(yīng)信息({用例編號:響應(yīng)數(shù)據(jù)}),http連接異常:對應(yīng)None
    return self.responses
 
  # 用于單用例提交,http連接失敗可以重新連接,最大重新連接數(shù)可以動態(tài)設(shè)定
  def req_single(self, listData, reqType="post", iLoop=1):
    response = None
    # 如果達到最大重連次數(shù),連接后提交結(jié)束
    if iLoop == self.iRetryNum:
      if reqType == "post":
        try:
          response = requests.post(self.URL, data=listData[1].encode('utf-8'), headers=self.header,
                       timeout=self.timeout)
          response.raise_for_status()
        except Exception as e:
          # 異常信息保存只在最大連接次數(shù)時進行,未達到最大連接次數(shù),異常信息為空
          self.resErr[listData[0]] = str(e)
          Log().logger.error("HTTP請求異常,異常信息:%s【%d】" % (str(e), iLoop))
 
        self.responses[listData[0]] = response
      else:
        # for future: other request method expand
        pass
    # 未達到最大連接數(shù),如果出現(xiàn)異常,則重新連接嘗試
    else:
      if reqType == "post":
        try:
          response = requests.post(self.URL, data=listData[1].encode('utf-8'), headers=self.header,
                       timeout=self.timeout)
          response.raise_for_status()
        except Exception as e:
          Log().logger.error("HTTP請求異常,異常信息:%s【%d】" % (str(e), iLoop))
          # 重連次數(shù)遞增
          iLoop += 1
          # 進行重新連接
          self.req_single(listData, reqType, iLoop)
          # 當前連接終止
          return None
        self.responses[listData[0]] = response
      else:
        # for future: other request method expand
        pass
 
  # 設(shè)定SoapAction, 快捷完成webservice接口header設(shè)定
  def setSoapAction(self, soapAction):
    self.header["SOAPAction"] = soapAction
    self.header["Content-Type"] = "text/xml;charset=UTF-8"
    self.header["Connection"] = "Keep-Alive"
    self.header["User-Agent"] = "InterfaceAutoTest-run"
 

以上這篇python對于requests的封裝方法詳解就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • matplotlib之pyplot模塊添加文本、注解(text和annotate)

    matplotlib之pyplot模塊添加文本、注解(text和annotate)

    matplotlib是python最著名的繪圖庫,它提供了一整套和matlab相似的命令A(yù)PI,十分適合交互式地行制圖,下面這篇文章主要給大家介紹了關(guān)于matplotlib之pyplot模塊添加文本、注解(text和annotate)的相關(guān)資料,需要的朋友可以參考下
    2022-05-05
  • Django中的模型類設(shè)計及展示示例詳解

    Django中的模型類設(shè)計及展示示例詳解

    這篇文章主要介紹了Django中的模型類設(shè)計及展示,本文通過實例代碼給大家介紹的非常詳細,對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2020-05-05
  • 用python實現(xiàn)各種數(shù)據(jù)結(jié)構(gòu)

    用python實現(xiàn)各種數(shù)據(jù)結(jié)構(gòu)

    這篇文章主要分享的是用python實現(xiàn)各種數(shù)據(jù)結(jié)構(gòu),快速排序、選擇排序、插入排序、歸并排序、堆排序heapq模塊等相關(guān)資料,感興趣的小伙伴可以參考一下
    2021-12-12
  • 使用pymysql查詢數(shù)據(jù)庫,把結(jié)果保存為列表并獲取指定元素下標實例

    使用pymysql查詢數(shù)據(jù)庫,把結(jié)果保存為列表并獲取指定元素下標實例

    這篇文章主要介紹了使用pymysql查詢數(shù)據(jù)庫,把結(jié)果保存為列表并獲取指定元素下標實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-05-05
  • Opencv中cv2.cvtColor彩色圖轉(zhuǎn)灰度圖的其他6種方法

    Opencv中cv2.cvtColor彩色圖轉(zhuǎn)灰度圖的其他6種方法

    本文主要介紹了Opencv中cv2.cvtColor彩色圖轉(zhuǎn)灰度圖的其他6種方法,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2022-05-05
  • Python+OpenCV之圖像梯度詳解

    Python+OpenCV之圖像梯度詳解

    這篇文章主要為大家詳細介紹了Python OpenCV中圖像梯度(Sobel算子、Scharr算子和Laplacian算子)的實現(xiàn),感興趣的小伙伴可以了解一下
    2022-09-09
  • python中的十大%占位符對應(yīng)的格式化的使用方法

    python中的十大%占位符對應(yīng)的格式化的使用方法

    本文主要介紹了python中的十大%占位符對應(yīng)的格式化的使用方法,它可以很好的幫助我們解決一些字符串格式化的問題, 文中通過示例代碼介紹的非常詳細,感興趣的小伙伴們可以參考一下
    2022-01-01
  • pycharm修改主題顏色和注釋顏色的詳細圖文教程

    pycharm修改主題顏色和注釋顏色的詳細圖文教程

    PyCharm是一款強大的Python編輯器,相信很多人都已經(jīng)用上了它,這篇文章主要給大家介紹了關(guān)于pycharm修改主題顏色和注釋顏色的相關(guān)資料,文中通過圖文介紹的非常詳細,需要的朋友可以參考下
    2024-04-04
  • 在python中實現(xiàn)求輸出1-3+5-7+9-......101的和

    在python中實現(xiàn)求輸出1-3+5-7+9-......101的和

    這篇文章主要介紹了在python中實現(xiàn)求輸出1-3+5-7+9-......101的和,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-04-04
  • Python深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)基本原理

    Python深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)基本原理

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡寫為ANNs)也簡稱為神經(jīng)網(wǎng)絡(luò)(NNs)或稱作連接模型(Connection Model),它是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征,進行分布式并行信息處理的算法數(shù)學(xué)模型
    2021-10-10

最新評論