从源码解析Python的Flask框架中request对象的用法
fromflaskimportrequest
Flask是一个人气非常高的PythonWeb框架，笔者也拿它写过一些大大小小的项目，Flask有一个特性我非常的喜欢，就是无论在什么地方，如果你想要获取当前的request对象，只要简单的：
从当前request获取内容：
- method：起始行，元数据
- host：起始行，元数据
- path：起始行，元数据
- environ：其中的SERVER_PROTOCOL是起始行，元数据
- headers：头，元数据
- data：body，元数据
- remote_addr：客户端地址
- args：请求链接中的参数（GET参数），解析后
- form：form提交中的参数，解析后
- values：args和forms的集合
- json：json格式的body数据，解析后
- cookies：指向Cookie的链接
Request对象对参数的分类很细，注意args,form,valeus,json的区别。当然最保险也最原始的方式就是自己去解析data。
另一个需注意的地方是某些属性的类型，并不是Python标准的dict，而是MultiDict或者CombinedMultiDict。这是为了应对HTTP协议中参数都是可重复的这点而做的设定。因此取值的时候要注意这些对象的特性，比如.get()和.get_list()方法返回的东西是不同的。
非常简单好记，用起来也非常的友好。不过，简单的背后藏的实现可就稍微有一些复杂了。跟随我的文章来看看其中的奥秘吧！
两个疑问？
在我们往下看之前，我们先提出两个疑问：
疑问一:request，看上去只像是一个静态的类实例，我们为什么可以直接使用request.args这样的表达式来获取当前request的args属性，而不用使用比如：
fromflaskimportget_request #获取当前request request=get_request() get_request().args
这样的方式呢？flask是怎么把request对应到当前的请求对象的呢？
疑问二:在真正的生产环境中，同一个工作进程下面可能有很多个线程（又或者是协程），就像我刚刚所说的，request这个类实例是怎么在这样的环境下正常工作的呢？
要知道其中的秘密，我们只能从flask的源码开始看了。
源码，源码，还是源码
首先我们打开flask的源码，从最开始的__init__.py来看看request是怎么出来的：
#File:flask/__init__.py
from.globalsimportcurrent_app,g,request,session,_request_ctx_stack
#File:flask/globals.py
fromfunctoolsimportpartial
fromwerkzeug.localimportLocalStack,LocalProxy
def_lookup_req_object(name):
top=_request_ctx_stack.top
iftopisNone:
raiseRuntimeError('workingoutsideofrequestcontext')
returngetattr(top,name)
#contextlocals
_request_ctx_stack=LocalStack()
request=LocalProxy(partial(_lookup_req_object,'request'))
我们可以看到flask的request是从globals.py引入的，而这里的定义request的代码为request=LocalProxy(partial(_lookup_req_object,'request')),如果有不了解partial是什么东西的同学需要先补下课，首先需要了解一下partial。
不过我们可以简单的理解为partial(func,'request')就是使用'request'作为func的第一个默认参数来产生另外一个function。
所以，partial(_lookup_req_object,'request')我们可以理解为：
生成一个callable的function，这个function主要是从_request_ctx_stack这个LocalStack对象获取堆栈顶部的第一个RequestContext对象，然后返回这个对象的request属性。
这个werkzeug下的LocalProxy引起了我们的注意，让我们来看看它是什么吧：
@implements_bool classLocalProxy(object): """Actsasaproxyforawerkzeuglocal.Forwardsalloperationsto aproxiedobject.Theonlyoperationsnotsupportedforforwarding arerighthandedoperandsandanykindofassignment. ......
看前几句介绍就能知道它主要是做什么的了，顾名思义，LocalProxy主要是就一个Proxy，一个为werkzeug的Local对象服务的代理。他把所以作用到自己的操作全部“转发”到它所代理的对象上去。
那么，这个Proxy通过Python是怎么实现的呢？答案就在源码里：
#为了方便说明，我对代码进行了一些删减和改动
@implements_bool
classLocalProxy(object):
__slots__=('__local','__dict__','__name__')
def__init__(self,local,name=None):
#这里有一个点需要注意一下，通过了__setattr__方法，self的
#"_LocalProxy__local"属性被设置成了local，你可能会好奇
#这个属性名称为什么这么奇怪，其实这是因为Python不支持真正的
#Privatemember，具体可以参见官方文档：
#http://docs.python.org/2/tutorial/classes.html#private-variables-and-class-local-references
#在这里你只要把它当做self.__local=local就可以了:)
object.__setattr__(self,'_LocalProxy__local',local)
object.__setattr__(self,'__name__',name)
def_get_current_object(self):
"""
获取当前被代理的真正对象，一般情况下不会主动调用这个方法，除非你因为
某些性能原因需要获取做这个被代理的真正对象，或者你需要把它用来另外的
地方。
"""
#这里主要是判断代理的对象是不是一个werkzeug的Local对象，在我们分析request
#的过程中，不会用到这块逻辑。
ifnothasattr(self.__local,'__release_local__'):
#从LocalProxy(partial(_lookup_req_object,'request'))看来
#通过调用self.__local()方法，我们得到了partial(_lookup_req_object,'request')()
#也就是``_request_ctx_stack.top.request``
returnself.__local()
try:
returngetattr(self.__local,self.__name__)
exceptAttributeError:
raiseRuntimeError('noobjectboundto%s'%self.__name__)
#接下来就是一大段一段的Python的魔法方法了，LocalProxy重载了(几乎)?所有Python
#内建魔法方法，让所有的关于他自己的operations都指向到了_get_current_object()
#所返回的对象，也就是真正的被代理对象。
......
__setattr__=lambdax,n,v:setattr(x._get_current_object(),n,v)
__delattr__=lambdax,n:delattr(x._get_current_object(),n)
__str__=lambdax:str(x._get_current_object())
__lt__=lambdax,o:x._get_current_object()<o
__le__=lambdax,o:x._get_current_object()<=o
__eq__=lambdax,o:x._get_current_object()==o
__ne__=lambdax,o:x._get_current_object()!=o
__gt__=lambdax,o:x._get_current_object()>o
__ge__=lambdax,o:x._get_current_object()>=o
......
事情到了这里，我们在文章开头的第二个疑问就能够得到解答了，我们之所以不需要使用get_request()这样的方法调用来获取当前的request对象，都是LocalProxy的功劳。
LocalProxy作为一个代理，通过自定义魔法方法。代理了我们对于request的所有操作，使之指向到真正的request对象。
怎么样，现在知道了request.args不是它看上去那么简简单单的吧。
现在，让我们来看看第二个问题，在多线程的环境下，request是怎么正常工作的呢？还是让我们回到globals.py吧：
fromfunctoolsimportpartial
fromwerkzeug.localimportLocalStack,LocalProxy
def_lookup_req_object(name):
top=_request_ctx_stack.top
iftopisNone:
raiseRuntimeError('workingoutsideofrequestcontext')
returngetattr(top,name)
#contextlocals
_request_ctx_stack=LocalStack()
request=LocalProxy(partial(_lookup_req_object,'request'))
问题的关键就在于这个_request_ctx_stack对象了，让我们找到LocalStack的源码：
classLocalStack(object):
def__init__(self):
#其实LocalStack主要还是用到了另外一个Local类
#它的一些关键的方法也被代理到了这个Local类上
#相对于Local类来说，它多实现了一些和堆栈“Stack”相关方法，比如push、pop之类
#所以，我们只要直接看Local代码就可以
self._local=Local()
......
@property
deftop(self):
"""
返回堆栈顶部的对象
"""
try:
returnself._local.stack[-1]
except(AttributeError,IndexError):
returnNone
#所以，当我们调用_request_ctx_stack.top时，其实是调用了_request_ctx_stack._local.stack[-1]
#让我们来看看Local类是怎么实现的吧，不过在这之前我们得先看一下下面出现的get_ident方法
#首先尝试着从greenlet导入getcurrent方法，这是因为如果flask跑在了像gevent这种容器下的时候
#所以的请求都是以greenlet作为最小单位，而不是thread线程。
try:
fromgreenletimportgetcurrentasget_ident
exceptImportError:
try:
fromthreadimportget_ident
exceptImportError:
from_threadimportget_ident
#总之，这个get_ident方法将会返回当前的协程/线程ID，这对于每一个请求都是唯一的
classLocal(object):
__slots__=('__storage__','__ident_func__')
def__init__(self):
object.__setattr__(self,'__storage__',{})
object.__setattr__(self,'__ident_func__',get_ident)
......
#问题的关键就在于Local类重载了__getattr__和__setattr__这两个魔法方法
def__getattr__(self,name):
try:
#在这里我们返回调用了self.__ident_func__()，也就是当前的唯一ID
#来作为__storage__的key
returnself.__storage__[self.__ident_func__()][name]
exceptKeyError:
raiseAttributeError(name)
def__setattr__(self,name,value):
ident=self.__ident_func__()
storage=self.__storage__
try:
storage[ident][name]=value
exceptKeyError:
storage[ident]={name:value}
......
#重载了这两个魔法方法之后
#Local().some_value不再是它看上去那么简单了:
#首先我们先调用get_ident方法来获取当前运行的线程/协程ID
#然后获取这个ID空间下的some_value属性，就像这样：
#
#Local().some_value->Local()[current_thread_id()].some_value
#
#设置属性的时候也是这个道理
通过这些分析，相信疑问二也得到了解决，通过使用了当前的线程/协程ID，加上重载一些魔法方法，Flask实现了让不同工作线程都使用了自己的那一份stack对象。这样保证了request的正常工作。
说到这里，这篇文章也差不多了。我们可以看到，为了使用者的方便，作为框架和工具的开发者需要付出很多额外的工作，有时候，使用一些语言上的魔法是无法避免的，Python在这方面也有着相当不错的支持。
我们所需要做到的就是，学习掌握好Python中那些魔法的部分，使用魔法来让自己的代码更简洁，使用更方便。
但是要记住，魔法虽然炫，千万不要滥用哦。