Python 中使用 HTTPX 和 asyncio 的异步 HTTP 请求
异步编程在 Python 开发中变得越来越重要。 随着 asyncio
现在成为标准库组件和许多兼容的第三方包,这种范例将继续存在。本教程演示如何使用 HTTPX
库进行异步 HTTP 请求 - 非阻塞代码的主要用例。
什么是非阻塞代码?
“异步”、“非阻塞”和“并发”等术语可能会令人困惑。 本质上:
- 异步例程可以在等待结果时“暂停”,从而允许其他例程同时执行。
- 这会创建并发执行的外观,即使可能不涉及真正的并行性。
异步代码避免阻塞,使其他代码能够在等待结果时运行。 asyncio
库为此提供了工具,并且 aiohttp
提供了专门的 HTTP 请求功能。 HTTP 请求非常适合异步性,因为它们涉及等待服务器响应,在此期间其他任务可以有效执行。
设置
确保您的 Python 环境已配置。 如果需要,请参阅虚拟环境指南(需要 Python 3.7)。 安装HTTPX
:
pip install httpx==0.18.2
使用 HTTPX 发出 HTTP 请求
此示例使用对 Pokémon API 的单个 GET 请求来获取 Mew(Pokémon #151)的数据:
import asyncio import httpx async def main(): url = 'https://pokeapi.co/api/v2/pokemon/151' async with httpx.AsyncClient() as client: response = await client.get(url) pokemon = response.json() print(pokemon['name']) asyncio.run(main())
async
指定一个协程; await
产生对事件循环的控制,在结果可用时恢复执行。
提出多个请求
当发出大量请求时,异步性的真正力量是显而易见的。此示例获取前 150 个 Pokémon 的数据:
import asyncio import httpx import time start_time = time.time() async def main(): async with httpx.AsyncClient() as client: for number in range(1, 151): url = f'https://pokeapi.co/api/v2/pokemon/{number}' response = await client.get(url) pokemon = response.json() print(pokemon['name']) asyncio.run(main()) print(f"--- {time.time() - start_time:.2f} seconds ---")
执行的时间。 将此与同步方法进行比较。
同步请求比较
同步等效项:
import httpx import time start_time = time.time() client = httpx.Client() for number in range(1, 151): url = f'https://pokeapi.co/api/v2/pokemon/{number}' response = client.get(url) pokemon = response.json() print(pokemon['name']) print(f"--- {time.time() - start_time:.2f} seconds ---")
注意运行时差异。 HTTPX
的连接池最大限度地减少了差异,但 asyncio 提供了进一步的优化。
高级异步技术
为了获得卓越的性能,请使用 asyncio.ensure_future
和 asyncio.gather
同时运行请求:
import asyncio import httpx import time start_time = time.time() async def fetch_pokemon(client, url): response = await client.get(url) return response.json()['name'] async def main(): async with httpx.AsyncClient() as client: tasks = [asyncio.ensure_future(fetch_pokemon(client, f'https://pokeapi.co/api/v2/pokemon/{number}')) for number in range(1, 151)] pokemon_names = await asyncio.gather(*tasks) for name in pokemon_names: print(name) asyncio.run(main()) print(f"--- {time.time() - start_time:.2f} seconds ---")
这通过并发运行请求显着减少了执行时间。 总时间接近最长单次请求的持续时间。
结论
使用 HTTPX
和异步编程可以显着提高多个 HTTP 请求的性能。本教程提供了 asyncio
的基本介绍;进一步探索其功能以增强您的 Python 项目。 考虑探索 aiohttp
来替代异步 HTTP 请求处理。
以上是Python 中使用 HTTPX 和 asyncio 的异步 HTTP 请求的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

Python更易学且易用,C 则更强大但复杂。1.Python语法简洁,适合初学者,动态类型和自动内存管理使其易用,但可能导致运行时错误。2.C 提供低级控制和高级特性,适合高性能应用,但学习门槛高,需手动管理内存和类型安全。

每天学习Python两个小时是否足够?这取决于你的目标和学习方法。1)制定清晰的学习计划,2)选择合适的学习资源和方法,3)动手实践和复习巩固,可以在这段时间内逐步掌握Python的基本知识和高级功能。

Python在开发效率上优于C ,但C 在执行性能上更高。1.Python的简洁语法和丰富库提高开发效率。2.C 的编译型特性和硬件控制提升执行性能。选择时需根据项目需求权衡开发速度与执行效率。

Python和C 各有优势,选择应基于项目需求。1)Python适合快速开发和数据处理,因其简洁语法和动态类型。2)C 适用于高性能和系统编程,因其静态类型和手动内存管理。

pythonlistsarepartofthestAndArdLibrary,herilearRaysarenot.listsarebuilt-In,多功能,和Rused ForStoringCollections,而EasaraySaraySaraySaraysaraySaraySaraysaraySaraysarrayModuleandleandleandlesscommonlyusedDduetolimitedFunctionalityFunctionalityFunctionality。

Python在自动化、脚本编写和任务管理中表现出色。1)自动化:通过标准库如os、shutil实现文件备份。2)脚本编写:使用psutil库监控系统资源。3)任务管理:利用schedule库调度任务。Python的易用性和丰富库支持使其在这些领域中成为首选工具。

Python在科学计算中的应用包括数据分析、机器学习、数值模拟和可视化。1.Numpy提供高效的多维数组和数学函数。2.SciPy扩展Numpy功能,提供优化和线性代数工具。3.Pandas用于数据处理和分析。4.Matplotlib用于生成各种图表和可视化结果。

Python在Web开发中的关键应用包括使用Django和Flask框架、API开发、数据分析与可视化、机器学习与AI、以及性能优化。1.Django和Flask框架:Django适合快速开发复杂应用,Flask适用于小型或高度自定义项目。2.API开发:使用Flask或DjangoRESTFramework构建RESTfulAPI。3.数据分析与可视化:利用Python处理数据并通过Web界面展示。4.机器学习与AI:Python用于构建智能Web应用。5.性能优化:通过异步编程、缓存和代码优
