接触python也有一段时间了，python相关的框架和模块也接触了不少，希望把自己接触到的自己 觉得比较好的设计和实现分享给大家，于是取了一个“charming python”的小标，算是给自己开了一个头吧， 希望大家多多批评指正。 :)
from flask import request
flask 是一个人气非常高的python web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：
代码如下:
from flask import request
# 从当前request获取内容
request.args
request.forms
request.cookies
... ...
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：
代码如下:
from flask import get_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：
代码如下:
# file: flask/__init__.py
from .globals import current_app, g, request, session, _request_ctx_stack
# file: flask/globals.py
from functools import partial
from werkzeug.local import localstack, localproxy
def _lookup_req_object(name):
top = _request_ctx_stack.top
if top is none:
raise runtimeerror('working outside of request context')
return getattr(top, name)
# context locals
_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：
代码如下:
@implements_bool
class localproxy(object):
acts as a proxy for a werkzeug local. forwards all operations to
a proxied object. the only operations not supported for forwarding
are right handed operands and any kind of assignment.
... ...
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：
代码如下:
# 为了方便说明，我对代码进行了一些删减和改动
@implements_bool
class localproxy(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
# private member，具体可以参见官方文档：
# 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。
if not hasattr(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``
return self.__local()
try:
return getattr(self.__local, self.__name__)
except attributeerror:
raise runtimeerror('no object bound to %s' % self.__name__)
# 接下来就是一大段一段的python的魔法方法了，local proxy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__ = lambda x, n, v: setattr(x._get_current_object(), n, v)
__delattr__ = lambda x, n: delattr(x._get_current_object(), n)
__str__ = lambda x: str(x._get_current_object())
__lt__ = lambda x, o: x._get_current_object() < o
__le__ = lambda x, o: x._get_current_object() <= o
__eq__ = lambda x, o: x._get_current_object() == o
__ne__ = lambda x, o: x._get_current_object() != o
__gt__ = lambda x, o: x._get_current_object() > o
__ge__ = lambda x, 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：
代码如下:
from functools import partial
from werkzeug.local import localstack, localproxy
def _lookup_req_object(name):
top = _request_ctx_stack.top
if top is none:
raise runtimeerror('working outside of request context')
return getattr(top, name)
# context locals
_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：
代码如下:
class localstack(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
def top(self):
返回堆栈顶部的对象
try:
return self._local.stack[-1]
except (attributeerror, indexerror):
return none
# 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:
from greenlet import getcurrent as get_ident
except importerror:
try:
from thread import get_ident
except importerror:
from _thread import get_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
class local(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
return self.__storage__[self.__ident_func__()][name]
except keyerror:
raise attributeerror(name)
def __setattr__(self, name, value):
ident = self.__ident_func__()
storage = self.__storage__
try:
storage[ident][name] = value
except keyerror:
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。