在多线程程序中添加 time.sleep 解决了 python 中的 UnicodeDecodeError

Question

这是我在程序中创建的线程的基本概念：

 Main thread
        |
   ListenerCreator(The WebSocketServer thread)  ---> Several listener threads(using log())

所以主线程创建了一个ListenerCreator线程，它连接到多个客户端，并为每个客户端创建一个监听线程。以下是侦听器线程所做的简要说明： 编辑1： 我正在使用 WebSockets 从客户端读取/写入数据。为此，我制作了自己的服务器。有一个标准指定的framing protocol——我正在使用它。在客户端，我只是使用WebSocket.send() 并根据协议中给出的说明“取消屏蔽”消息（请参阅上面链接中的第 5.3 节）。 如果有人要求，我愿意提供服务器代码，但是，这里有一个简短的大纲：

class WebSocketServer:
    def start(): 
          #Open server socket, bind to host:port
          while True:
              #Accept client socket, start a new listener thread for self.log(client)
    def log(client):
          #Receive data using socket.socket.recv(1024)
          #Unmask data as per the protocol
          #Decode using data.decode("utf-8")
          #Append to data_q while holding data_q_lock

还有其他方法 - 方便发送、关闭、握手等。

同时在主线程中：

   while breaking!=len(client_list):
        #time.sleep(0.5)    
        with data_q_lock:
           for i in range(len(data_q)):
                mes = data_q.pop()
                for m in client_list:
                    if "#DONE"== mes:
                        breaking += 1
                if(mes[:len("#COUNT:")] == "#COUNT:"):
                    print(mes)

所以基本上这个循环的作用是：遍历data_q，如果消息以“#COUNT”开头，则打印该消息，并在获得一定数量的“#DONE”消息后退出循环。 如果未注释 time.sleep，则此代码有效，但是如果没有 time.sleep，我会在 log 函数中得到 UnicodeDecodeError。 另外我只收到错误 sometimes ，有时程序运行良好。 （顺便说一下，客户端每次都发送相同的数据） 所以，我的问题是，为什么需要 time.sleep ？ 我认为这与 python 中的 GIL 有关，因为 time.sleep 发布了 GIL。但是，即使在阅读后我也无法解决问题

Answer 1

目前没有关于监听器如何从套接字读取数据的信息。然而，这似乎是由于通常对套接字的误解造成的。

通过套接字发送的数据不会被套接字以任何方式“框定”。想象一下，如果我在一个套接字上发送了 3 次“hello”消息。然后，就像在没有换行符的情况下写入文件一样，以下内容将在套接字上流动：

hellohellohello

现在考虑阅读器......在阅读数据时，它如何知道一条消息（“hello”）从哪里开始以及下一条消息从哪里开始？它不能，除非发送者和接收者就应该如何“构建”数据达成一致。这可以通过同意一些协议来完成，例如：

• 空终止数据；或
• 固定大小的消息；或
• 大小前缀消息。

当然，它会变得更复杂，即使您已经决定了数据应该如何构建，您也不能保证socket.recv 会返回一个“完整”消息......它只会返回恰好包含的任何数据当时的缓冲区。它可能是半条消息，也可能是半条消息。您的工作是整理从套接字读取的数据并将其划分为消息。

转向您的问题，您正在发送utf-8 数据。读者如何知道它已阅读完整的utf-8 数据消息？最有可能的是，这里发生的事情是您只收到了 部分消息 ...还有更多消息要到达。

特别是，有效的utf-8 字符可能包含多个字节。因此，如果您的部分消息在字符的多字节 utf-8 表示的中间结束，那么您肯定无法对其进行解码。