Python：HTTP 使用流式传输发布大文件

问题描述：

我正在将可能很大的文件上传到 Web 服务器。目前我正在这样做：

import urllib2

f = open('somelargefile.zip','rb')
request = urllib2.Request(url,f.read())
request.add_header("Content-Type", "application/zip")
response = urllib2.urlopen(request)

但是，这会在发布之前将整个文件的内容读入内存。我怎样才能让它将文件流式传输到服务器？

解决方案 1：

通过阅读 systempuntoout 链接的邮件列表主题，我找到了解决方案的线索。

该mmap模块允许您打开像字符串一样的文件。文件的部分内容会根据需要加载到内存中。

这是我现在使用的代码：

import urllib2
import mmap

# Open the file as a memory mapped string. Looks like a string, but 
# actually accesses the file behind the scenes. 
f = open('somelargefile.zip','rb')
mmapped_file_as_string = mmap.mmap(f.fileno(), 0, access=mmap.ACCESS_READ)

# Do the request
request = urllib2.Request(url, mmapped_file_as_string)
request.add_header("Content-Type", "application/zip")
response = urllib2.urlopen(request)

#close everything
mmapped_file_as_string.close()
f.close()

解决方案 2：

文档中没有说您可以这样做，但 urllib2 (和 httplib) 中的代码接受任何具有 read() 方法的对象作为数据。因此，使用打开的文件似乎可以解决问题。

您需要自行设置 Content-Length 标头。如果未设置，urllib2 将对数据调用 len()，而文件对象不支持此操作。

import os.path
import urllib2

data = open(filename, 'r')
headers = { 'Content-Length' : os.path.getsize(filename) }
response = urllib2.urlopen(url, data, headers)

这是处理您提供的数据的相关代码。它来自Python 2.7 中HTTPConnection的类：httplib.py

def send(self, data):
    """Send `data' to the server."""
    if self.sock is None:
        if self.auto_open:
            self.connect()
        else:
            raise NotConnected()

    if self.debuglevel > 0:
        print "send:", repr(data)
    blocksize = 8192
    if hasattr(data,'read') and not isinstance(data, array):
        if self.debuglevel > 0: print "sendIng a read()able"
        datablock = data.read(blocksize)
        while datablock:
            self.sock.sendall(datablock)
            datablock = data.read(blocksize)
    else:
        self.sock.sendall(data)

解决方案 3：

您尝试过使用Mechanize吗？

from mechanize import Browser
br = Browser()
br.open(url)
br.form.add_file(open('largefile.zip'), 'application/zip', 'largefile.zip')
br.submit()

或者，如果您不想使用 multipart/form-data，请查看这篇旧帖子。

它提出了两种选择：

  1. Use mmap, Memory Mapped file object
  2. Patch httplib.HTTPConnection.send

解决方案 4：

尝试 pycurl。我没有设置任何可以接受不在multipart/form-data POST 中的大文件的内容，但这里有一个根据需要读取文件的简单示例。

import os
import pycurl

class FileReader:
    def __init__(self, fp):
        self.fp = fp
    def read_callback(self, size):
        return self.fp.read(size)

c = pycurl.Curl()
c.setopt(pycurl.URL, url)
c.setopt(pycurl.UPLOAD, 1)
c.setopt(pycurl.READFUNCTION, FileReader(open(filename, 'rb')).read_callback)
filesize = os.path.getsize(filename)
c.setopt(pycurl.INFILESIZE, filesize)
c.perform()
c.close()

解决方案 5：

使用requests库你可以做

with open('massive-body', 'rb') as f:
    requests.post('http://some.url/streamed', data=f)

正如他们的文档中提到的

解决方案 6：

以下是 Python 2 / Python 3 的工作示例：

try:
    from urllib2 import urlopen, Request
except:
    from urllib.request import urlopen, Request

headers = { 'Content-length': str(os.path.getsize(filepath)) }
with open(filepath, 'rb') as f:
    req = Request(url, data=f, headers=headers)
    result = urlopen(req).read().decode()

请求模块很棒，但有时您无法安装任何额外的模块......