如何使用 python 请求执行限时响应下载？

Question

使用python下载大文件时，我想设置一个时间限制，不仅是连接过程，还有下载。

我正在尝试使用以下 python 代码：

import requests

r = requests.get('http://ipv4.download.thinkbroadband.com/1GB.zip', timeout = 0.5, prefetch = False)

print r.headers['content-length']

print len(r.raw.read())

这不起作用（下载没有时间限制），正如文档中正确指出的那样：https://requests.readthedocs.org/en/latest/user/quickstart/#timeouts

如果可能的话，那就太好了：

r.raw.read(timeout = 10)

问题是，如何给下载设置时间限制？

Answer 1

在一个线程中运行下载，如果没有按时完成，您可以中止。

import requests
import threading

URL='http://ipv4.download.thinkbroadband.com/1GB.zip'
TIMEOUT=0.5

def download(return_value):
    return_value.append(requests.get(URL))

return_value = []
download_thread = threading.Thread(target=download, args=(return_value,))
download_thread.start()
download_thread.join(TIMEOUT)

if download_thread.is_alive():
    print 'The download was not finished on time...'
else:
    print return_value[0].headers['content-length']

Answer 2

使用请求的prefetch=False 参数时，您可以一次提取任意大小的响应块（而不是一次全部）。

您需要做的是告诉 Requests 不要预加载整个请求，并保留自己的时间来了解到目前为止您已经阅读了多少内容，同时一次获取小块。您可以使用r.raw.read(CHUNK_SIZE) 获取块。总体而言，代码将如下所示：

import requests
import time

CHUNK_SIZE = 2**12  # Bytes
TIME_EXPIRE = time.time() + 5  # Seconds

r = requests.get('http://ipv4.download.thinkbroadband.com/1GB.zip', prefetch=False)

data = ''
buffer = r.raw.read(CHUNK_SIZE)
while buffer:
    data += buffer
    buffer = r.raw.read(CHUNK_SIZE)

    if TIME_EXPIRE < time.time():
        # Quit after 5 seconds.
        data += buffer
        break

r.raw.release_conn()

print "Read %s bytes out of %s expected." % (len(data), r.headers['content-length'])

请注意，这有时可能会比分配的 5 秒多一点，因为最终的 r.raw.read(...) 可能会滞后任意时间。但至少它不依赖于多线程或套接字超时。

Answer 3

答案是：不要使用请求，因为它是阻塞的。使用非阻塞网络 I/O，例如 eventlet：

import eventlet
from eventlet.green import urllib2
from eventlet.timeout import Timeout

url5 = 'http://ipv4.download.thinkbroadband.com/5MB.zip'
url10 = 'http://ipv4.download.thinkbroadband.com/10MB.zip'

urls = [url5, url5, url10, url10, url10, url5, url5]

def fetch(url):
    response = bytearray()
    with Timeout(60, False):
        response = urllib2.urlopen(url).read()
    return url, len(response)

pool = eventlet.GreenPool()
for url, length in pool.imap(fetch, urls):
    if (not length):
        print "%s: timeout!" % (url)
    else:
        print "%s: %s" % (url, length)

产生预期结果：

http://ipv4.download.thinkbroadband.com/5MB.zip: 5242880
http://ipv4.download.thinkbroadband.com/5MB.zip: 5242880
http://ipv4.download.thinkbroadband.com/10MB.zip: timeout!
http://ipv4.download.thinkbroadband.com/10MB.zip: timeout!
http://ipv4.download.thinkbroadband.com/10MB.zip: timeout!
http://ipv4.download.thinkbroadband.com/5MB.zip: 5242880
http://ipv4.download.thinkbroadband.com/5MB.zip: 5242880