python网络编程之socketserver

简介:

防伪码:存在的,忘却了,红尘万丈,入眸幻灭


  在进行网络编程前我们先来说说在网络中服务器与客户端是如何交互的,也就是传说中的TCP三次握手。

wKiom1iIRg3DUQ5rAAKGMa2dV9w418.png

  三次握手的目的是为了确认客户端与服务端都能接收到对方的信息,以下是三次握手的详细过程:

    第一次握手:客户端给服务端发送请求包

      此时服务端确认自己可以接收到客户端的请求包

      客户端无法确认服务端是否接收到了自己发的请求包

    第二次握手:服务端回复客户端

      此时客户端确认自己发的请求包已被服务端收到,也确认自己可以正常接收服务端发来的包

      服务端可以确认自己能接收到客户端的包,但不能确认客户端是否能收到自己发送的包

    第三次握手:客户端回复服务端

      此时客户端已无疑问

      服务端也确认刚刚客户端收到了自己的回复包。两边都没问题了,开始通信

  在python中提供了两个socket编程模块,分别是socket和socketserver。

  我们先来说说socket编程需要经历哪些步骤:

   客户端:

      1、创建socket客户端连接对象

      2、通过连接对象的connect()方法连接服务端

      3、通过连接对象的send()方法给服务端发送信息或指令

      4、通过连接对象的recv()方法接收服务端的返回信息

      5、通过连接对象的close()方法断开连接
   服务端:

      1、创建socket服务端连接对象

      2、通过连接对象的bind()方法绑定要监听的IP与端口

      3、通过连接对象的listen()方法来监听

      4、通过连接对象的accept()方法创建与客户端交互的子连接对象并等待客户端连接

      5、接收并处理客户端的请求

      6、将处理结果返回给客户端

  由于socket无法支持多用户,多并发。于是就有了socketserver

  socketserver最主要的作用就是实现并发处理。

  socketserver有以下几种类型:

  TCPServer:tcp协议

1
class  socketserver.TCPServer(server_address,RequestHandlerClass,bind_and_activate = True )

  ThreadingTCPServer:多线程,多并发的TCPServer

1
class  socketserver.ThreadingTCPServer(server_address,RequestHandlerClass,bind_and_activate = True )

  ForkingTCPServer:多进程,多并发的TCPServer #在windows中不能使用这个

1
class  socketserver.ForkingTCPServer(server_address,RequestHandlerClass,bind_and_activate = True )

  UDPServer:udp协议

1
class  socketserver.UDPServer(server_address,RequestHandlerClass,bind_and_activate = True )

  UnixStreamServer:tcp协议,Unix本机间不同进程间通信可以使用这个server

1
class  socketserver.UnixStreamServer(server_address,RequestHandlerClass,bind_and_activate = True )

  UnixDatagramServer:udp协议,Unix本机间不同进程间通信可以使用这个server

1
class  socketserver.UnixDatagramServer(server_address,RequestHandlerClass,bind_and_activate = True )  

  BaseServer是所有Server类型的基类。

  TCPServer继承了BaseServer,UnixStreamServer继承了TCPServer。

  UDPServer继承了TCPServer,UnixDatagramServer继承了UDPServer。

  BaseServer有以下这些方法:

    fileno():返回文件描述符

    handle_request():处理单个请求

    serve_forever(poll_interval=0.5):处理多个请求

      poll_interval用来设置多长时间检查一下是否有收到shutdown()请求

      当收到shutdown()请求后,调用service_actions(),serve_forever将停止提供服务

    shutdown():告诉serve_forever()让其停掉

    server_close():关闭服务


  创建socketserver的步骤:

  1、创建一个BaseRequestHandlerclass的子类并在子类中重写handle()方法

    这个子类用来处理客户端的请求

    与客户端所有的交互都是在handle()方法中编写

  2、实例化一个server(如TCPServer)类,并且将Server_IP和上一步创建的子类传给这个实例化的类(此处是       TCPServer)作为参数

  3、调用第2步实例化出来的对象的方法,这里假定这个实例化出来的对象为server:

    server.handle_request():只处理一个请求,处理完后退出

    server.serve_forever():处理多个请求,永远执行

  4、调用close()方法关闭server


  重写BaseRequestHandlerclass类的handle()方法:

1
2
3
4
5
6
7
8
def  handle( self ):
     #self.request is the TCP socket connected to the client
     self .data  =  self .request.recv( 1024 ).strip()
     print ( "{} wrote:" . format ( self .client_address[ 0 ]))
     print ( self .data)
     #just send back the same data,but upper-cased
     self .request.sendall( self .data.upper())
     #sendall其实就是重复调用send,在这里也可以用send









本文转自 忘情OK  51CTO博客,原文链接:http://blog.51cto.com/itchentao/1894707,如需转载请自行联系原作者
目录
相关文章
|
22小时前
|
数据采集 机器学习/深度学习 前端开发
【好书推荐3】Python网络爬虫入门到实战
【好书推荐3】Python网络爬虫入门到实战
9 0
|
2天前
|
机器学习/深度学习 算法 TensorFlow
Python深度学习基于Tensorflow(6)神经网络基础
Python深度学习基于Tensorflow(6)神经网络基础
15 2
Python深度学习基于Tensorflow(6)神经网络基础
|
2天前
|
存储 Shell 网络安全
|
2天前
|
机器学习/深度学习 自然语言处理 PyTorch
使用Python实现循环神经网络(RNN)的博客教程
使用Python实现循环神经网络(RNN)的博客教程
20 1
|
3天前
|
机器学习/深度学习 PyTorch 算法框架/工具
使用Python实现卷积神经网络(CNN)
使用Python实现卷积神经网络(CNN)的博客教程
23 1
|
4天前
|
存储 JavaScript 前端开发
Python网络数据抓取(5):Pandas
Python网络数据抓取(5):Pandas
27 8
|
10天前
|
机器学习/深度学习 PyTorch TensorFlow
【Python机器学习专栏】循环神经网络(RNN)与LSTM详解
【4月更文挑战第30天】本文探讨了处理序列数据的关键模型——循环神经网络(RNN)及其优化版长短期记忆网络(LSTM)。RNN利用循环结构处理序列依赖,但遭遇梯度消失/爆炸问题。LSTM通过门控机制解决了这一问题,有效捕捉长距离依赖。在Python中,可使用深度学习框架如PyTorch实现LSTM。示例代码展示了如何定义和初始化一个简单的LSTM网络结构,强调了RNN和LSTM在序列任务中的应用价值。
|
10天前
|
机器学习/深度学习 PyTorch TensorFlow
【Python机器学习专栏】卷积神经网络(CNN)的原理与应用
【4月更文挑战第30天】本文介绍了卷积神经网络(CNN)的基本原理和结构组成,包括卷积层、激活函数、池化层和全连接层。CNN在图像识别等领域表现出色,其层次结构能逐步提取特征。在Python中,可利用TensorFlow或PyTorch构建CNN模型,示例代码展示了使用TensorFlow Keras API创建简单CNN的过程。CNN作为强大深度学习模型,未来仍有广阔发展空间。
|
10天前
|
机器学习/深度学习 自然语言处理 语音技术
【Python 机器学习专栏】Python 深度学习入门:神经网络基础
【4月更文挑战第30天】本文介绍了Python在深度学习中应用于神经网络的基础知识,包括神经网络概念、基本结构、训练过程,以及Python中的深度学习库TensorFlow和PyTorch。通过示例展示了如何使用Python实现神经网络,并提及优化技巧如正则化和Dropout。最后,概述了神经网络在图像识别、语音识别和自然语言处理等领域的应用,并强调掌握这些知识对深度学习的重要性。随着技术进步,神经网络的应用将持续扩展,期待更多创新。
|
11天前
|
机器学习/深度学习 数据可视化 TensorFlow
Python用线性回归和TensorFlow非线性概率神经网络不同激活函数分析可视化
Python用线性回归和TensorFlow非线性概率神经网络不同激活函数分析可视化