【Python】Webpy 源码学习(转)

自己是个python新手，之前买了本<<python核心编程>>，但看了一半实在看不下去了（内容过于啰嗦，而且在关键点的地方又浅尝辄止），所以希望通过阅读一些简单的开源项目来快速提高python水平，最终让我发现了webpy这个好东西！ 

那么webpy是什么呢？ 阅读它的源码我们又能学到什么呢？ 

简单说webpy就是一个开源的web应用框架（官方首页： http://webpy.org/ ） 

它的源代码非常整洁精干，学习它一方面可以让我们快速了解python语法（遇到看不懂的语法就去google），另一方面可以学习到python高级特性的使用（譬如反射，装饰器），而且在webpy中还内置了一个简单HTTP服务器（文档建议该服务器仅用于开发环境，生产环境应使用apache之类的），对于想简单了解下HTTP服务器实现的朋友来说，这个是再好不过的例子了（并且在这个服务器代码中，还可以学习到线程池，消息队列等技术），除此之外webpy还包括模板渲染引擎，DB框架等等，这里面的每一个部分都可以单独拿出来学习. 

在JavaWeb开发中有Servlet规范，那么Python Web开发中有规范吗？ 
答案就是：WSGI，它定义了服务器如何与你的webapp交互 

关于WSGI规范，可以参看下面这个链接： 
http://ivory.idyll.org/articles/wsgi-intro/what-is-wsgi.html  

现在我们利用webpy内置的WSGIServer，按照WSGI规范，写一个简单的webapp，eg: 

 #/usr/bin/python
 import web.wsgiserver

 def my_wsgi_app(env, start_response):
     status = '200 OK'
     response_headers = [('Content-type','text/plain')]
     start_response(status, response_headers)
     return ['Hello world!']

 server = web.wsgiserver.CherryPyWSGIServer(("127.0.0.1", 8080), my_wsgi_app);
 server.start()

执行代码： 

 
在具体看WSGIServer代码之前，我们先看一幅图，这幅图概述了WSGIServer内部执行流程： 



接下来我们看下代码， ps: 为了较清晰的梳理主干流程，我只列出核心代码段  

 # Webpy内置的WSGIServer
 class CherryPyWSGIServer(HTTPServer):

     def __init__(self, bind_addr, wsgi_app, numthreads=10, server_name=None,
                  max=-1, request_queue_size=5, timeout=10, shutdown_timeout=5):
         # 线程池(用来处理外部请求，稍后详述)
         self.requests = ThreadPool(self, min=numthreads or 1, max=max)
         # 响应外部请求的webapp
         self.wsgi_app = wsgi_app
         # wsgi网关（http_request ->wsgi_gateway ->webpy/webapp)
         self.gateway = WSGIGateway_10
         # wsgi_server监听地址
         self.bind_addr = bind_addr
     # ...

 class HTTPServer(object):
     # 启动一个网络服务器
     # 如果你阅读过<<Unix网络编程>>，那么对于后面这些代码将会再熟悉不过,唯一的区别一个是c，
     #一个是python
     def start(self):

         # 如果bind_addr是一个字符串（文件名），那么采用unix domain协议
         if isinstance(self.bind_addr, basestring):
             try: os.unlink(self.bind_addr)
             except: pass
             info = [(socket.AF_UNIX, socket.SOCK_STREAM, 0, "", self.bind_addr)]
         else:
             # 否则采用TCP/IP协议
             host, port = self.bind_addr
             try:
                 info = socket.getaddrinfo(host, port, socket.AF_UNSPEC,
                                             socket.SOCK_STREAM, 0, socket.AI_PASSIVE)
             except socket.gaierror:
                 # ...

         # 循环测试 getaddrinfo函数返回值，直到有一个bind成功或是遍历完所有结果集
         for res in info:
             af, socktype, proto, canonname, sa = res
             try:
                 self.bind(af, socktype, proto)
             except socket.error:
                 if self.socket:
                     self.socket.close()
                 self.socket = None
                 continue
             break
         if not self.socket:
             raise socket.error(msg)

         # 此时socket 进入listening状态（可以用netstat命令查看）
         self.socket.listen(self.request_queue_size)

         # 启动线程池（这个线程池做些什么呢？ 稍后会说）
         self.requests.start()

         self.ready = True
         while self.ready:
             # HTTPSever核心函数，用来接受外部请求(request)
             # 然后封装成一个HTTPConnection对象放入线程池中的消息队列里，
             # 接着线程会从消息队列中取出该对象并处理
             self.tick()

     def bind(self, family, type, proto=0):
         # 创建socket
         self.socket = socket.socket(family, type, proto)
         # 设置socket选项(允许在TIME_WAIT状态下，bind相同的地址)
         self.socket.setsockopt(socket.SOL_SOCKET, socket.SO_REUSEADDR, 1)
         # socket bind
         self.socket.bind(self.bind_addr)

     # HTTPSever核心函数
     def tick(self):
         try:
             # 接受一个TCP连接
             s, addr = self.socket.accept()

             # 把外部连接封装成一个HTTPConnection对象
             makefile = CP_fileobject
             conn = self.ConnectionClass(self, s, makefile)
             # 然后把该对象放入线程池中的消息队列里
             self.requests.put(conn)
         except :
             # ...

之前我们说过HTTPServer中的request属性是一个线程池(这个线程池内部关联着一个消息队列)，现在我们看看作者是如何实现一个线程池的： 

 class ThreadPool(object):

     def __init__(self, server, min=10, max=-1):
         # server实例
         self.server = server
         # 线程池中线程数配置（最小值，最大值）
         self.min = min
         self.max = max
         # 线程池中的线程实例集合（list）
         self._threads = []
         # 消息队列（Queue是一个线程安全队列）
         self._queue = Queue.Queue()
         # 编程技巧，用来简化代码，等价于：
         # def get(self)
         #    return self._queue.get()
         self.get = self._queue.get

     # 启动线程池
     def start(self):
         # 创建min个WorkThread并启动
         for i in range(self.min):
             self._threads.append(WorkerThread(self.server))
         for worker in self._threads:
             worker.start()

     # 把obj(通常是一个HTTPConnection对象)放入消息队列
     def put(self, obj):
         self._queue.put(obj)

     # 在不超过允许创建线程的最大数下，增加amount个线程
     def grow(self, amount):
         for i in range(amount):
             if self.max > 0 and len(self._threads) >= self.max:
                 break
             worker = WorkerThread(self.server)
             self._threads.append(worker)
             worker.start()

     # kill掉amount个线程
     def shrink(self, amount):
         # 1.kill掉已经不在运行的线程
         for t in self._threads:
             if not t.isAlive():
                 self._threads.remove(t)
                 amount -= 1

         # 2.如果已经kill掉线程数小于amount，则在消息队列中放入线程退出标记对象_SHUTDOWNREQUEST
         # 当线程从消息队列中取到的不是一个HTTPConnection对象，而是一个_SHUTDOWNREQUEST，则退出运行
         if amount > 0:
             for i in range(min(amount, len(self._threads) - self.min)):
                 self._queue.put(_SHUTDOWNREQUEST)

 # 工作线程WorkThread
 class WorkerThread(threading.Thread):

     def __init__(self, server):
         self.ready = False
         self.server = server
         # ...
         threading.Thread.__init__(self)

     def run(self):
          # 线程被调度运行，ready状态位设置为True
         self.ready = True
         while True:
             # 尝试从消息队列中获取一个obj
             conn = self.server.requests.get()

             # 如果这个obj是一个“退出标记”对象，线程则退出运行
             if conn is _SHUTDOWNREQUEST:
                 return
             # 否则该obj是一个HTTPConnection对象，那么线程则处理该请求
             self.conn = conn

             try:
                 # 处理HTTPConnection
                 conn.communicate()
             finally:
                 conn.close()

刚才我们看到，WorkThread从消息队列中获取一个HTTPConnection对象，然后调用它的communicate方法，那这个communicate方法究竟做了些什么呢？ 

 class HTTPConnection(object):

     RequestHandlerClass = HTTPRequest

     def __init__(self, server, sock, makefile=CP_fileobject):
         self.server = server
         self.socket = sock
         # 把socket对象包装成类File对象，使得对socket读写就像对File对象读写一样简单
         self.rfile = makefile(sock, "rb", self.rbufsize)
         self.wfile = makefile(sock, "wb", self.wbufsize)

     def communicate(self):
         # 把HTTPConnection对象包装成一个HTTPRequest对象
         req = self.RequestHandlerClass(self.server, self)
         # 解析HTTP请求
         req.parse_request()
         # 响应HTTP请求
         req.respond()

     
在我们具体看HTTPRequest.parse_request如何解析HTTP请求之前，我们先了解下HTTP协议. HTTP协议是一个文本行的协议，它通常由以下部分组成： 

引用

请求行（请求方法 URI路径  HTTP协议版本） 
请求头（譬如：User-Agent，Host等等） 
空行 
可选的数据实体

 


而HTTPRequest.parse_request方法就是把socket中的字节流，按照HTTP协议规范解析，并且从中提取信息(最终封装成一个env传递给webapp)： 
 

 def parse_request(self):
       self.rfile = SizeCheckWrapper(self.conn.rfile,
                                     self.server.max_request_header_size)
       # 读取请求行
       self.read_request_line()
       # 读取请求头
       success = self.read_request_headers()

   # ----------------------------------------------------------------
   def read_request_line(self):
       # 从socket中读取一行数据
       request_line = self.rfile.readline()

       # 按照HTTP协议规范，把request_line分割成请求方法(method)，uri路径(uri)，HTTP协议版本(req_protocol)
       method, uri, req_protocol = request_line.strip().split(" ", 2)
       self.uri = uri
       self.method = method

       scheme, authority, path = self.parse_request_uri(uri)
       # 获取uri请求参数
       qs = ''
       if '?' in path:
           path, qs = path.split('?', 1)
       self.path = path

   # ----------------------------------------------------------------
   def read_request_headers(self):
       # 读取请求头，inheaders是一个dict
       read_headers(self.rfile, self.inheaders)

   # ----------------------------------------------------------------
   def read_headers(rfile, hdict=None):
       if hdict is None:
           hdict = {}

       while True:
           line = rfile.readline()
           # 把line按照":"分割成k, v，譬如 Host:baidu.com就被分割成Host和baidu.com两部分
           k, v = line.split(":", 1)
           # 格式化分割后的
           k = k.strip().title()
           v = v.strip()
           hname = k

           # HTTP协议中的有些请求头允许重复(譬如Accept等等)，那么webpy就会把这些相同头的value用","连接起来
           if k in comma_separated_headers:
               existing = hdict.get(hname)
               if existing:
                   v = ", ".join((existing, v))
           # 把请求头k, v存入hdict
           hdict[hname] = v

       return hdict

至此我们就分析完了HTTPRequest.parse_request方法如何解析HTTP请求，下面我们就接着看看HTTPRequest.respond如何响应请求： 
   

 def respond(self):
         # 把请求交给gateway响应
         self.server.gateway(self).respond()

在继续往下看代码之前，我们先简单思考下，为什么要有这个gateway，为什么这里不把请求直接交给webapp处理？ 
我自己觉得还是出于分层和代码复用性考虑。因为可能存在，或者需要支持很多web规范，目前我们使用的是wsgi规范，明天可能出来个ysgi，大后天可能还来个zsgi，如果按照当前的设计，我们只需要替换HTTPServer的gateway属性，而不用修改其他代码（类似JAVA概念中的DAO层），下面我们就来看看这个gateway的具体实现(回到本文最初，我们在Server中注册的gateway是WSGIGateway_10)： 

WSGI网关 

 class WSGIGateway(Gateway):
     def __init__(self, req):
         self.req = req  # HTTPRequest对象
         self.env = self.get_environ()

     # 获取wsgi的环境变量(留给子类实现)
     def get_environ(self):
         raise NotImplemented

     def respond(self):
         # -----------------------------------
         # 按照 WSGI 规范调用我们得 webapp/webpy
         # -----------------------------------
         response = self.req.server.wsgi_app(self.env, self.start_response)

         # 把处理结果写回给客户端
         for chunk in response:
             self.write(chunk)

     def start_response(self, status, headers, exc_info = None):
         self.req.status = status
         self.req.outheaders.extend(headers)

         return self.write

     def write(self, chunk):
         # 写http响应头
         self.req.send_headers()
         # 写http响应体
         self.req.write(chunk)

WSGIGateway_10继承WSGIGateway类，并实现get_environ方法 

 class WSGIGateway_10(WSGIGateway):

     def get_environ(self):
         # build WSGI环境变量(req中的这些属性，都是通过HTTPRequest.prase_request解析HTTP请求获得的)
         req = self.req
         env = {
             'ACTUAL_SERVER_PROTOCOL': req.server.protocol,
             'PATH_INFO': req.path,
             'QUERY_STRING': req.qs,
             'REMOTE_ADDR': req.conn.remote_addr or '',
             'REMOTE_PORT': str(req.conn.remote_port or ''),
             'REQUEST_METHOD': req.method,
             'REQUEST_URI': req.uri,
             'SCRIPT_NAME': '',
             'SERVER_NAME': req.server.server_name,
             'SERVER_PROTOCOL': req.request_protocol,
             'SERVER_SOFTWARE': req.server.software,
             'wsgi.errors': sys.stderr,
             'wsgi.input': req.rfile,
             'wsgi.multiprocess': False,
             'wsgi.multithread': True,
             'wsgi.run_once': False,
             'wsgi.url_scheme': req.scheme,
             'wsgi.version': (1, 0),
             }
         # ...

         # 请求头
         for k, v in req.inheaders.iteritems():
             env["HTTP_" + k.upper().replace("-", "_")] = v

         # ...
         return env

好了，到这里我们已经把整个流程：从HTTPServer接受外部请求，到我们web应用处理这一过程已经大致说完，希望对各位有帮助。