PyScript项目中fetch API的双重调用模式实现解析
2025-05-12 10:36:47作者:钟日瑜
在PyScript项目的最新开发中,团队对fetch API进行了重要改进,使其能够同时支持直接获取响应内容和分步处理响应对象两种调用模式。这一改进显著提升了API的灵活性和易用性。
背景与需求
PyScript作为一个将Python引入浏览器环境的项目,其fetch API最初设计为简单的单步调用模式,用户可以直接通过await fetch(url).json()获取JSON数据。然而,随着用户需求的增长,开发者们发现需要更细粒度的响应控制能力,比如检查HTTP状态码或处理不同类型的响应内容。
技术实现方案
为了实现双重调用模式,PyScript团队采用了Python的魔法方法(magic methods)和异步编程技术。核心思路是让fetch返回一个特殊对象,该对象既可以直接被await获取完整响应,也可以通过方法链式调用直接获取特定格式的数据。
具体实现中,fetch函数返回一个中间对象,该对象包含以下关键特性:
- 实现了
__await__方法,允许直接使用await表达式获取完整响应对象 - 提供了
.json()、.text()等方法,这些方法返回可等待对象 - 通过方法链式调用时,内部会自动处理await逻辑
使用示例
改进后的API使用方式非常直观:
from pyscript import fetch
# 直接获取JSON数据
json_data = await fetch(url).json()
# 分步处理响应
response = await fetch(url)
if response.ok:
text_data = await response.text()
这种设计既保留了原有简洁API的便利性,又提供了完整的响应处理能力,满足了不同场景下的需求。
技术细节与挑战
实现过程中遇到的主要挑战是如何在Python中优雅地处理双重await模式。与JavaScript不同,Python的异步机制需要更显式的处理。解决方案是创建一个中间代理对象,该对象根据调用方式决定如何转发请求:
- 当直接await时,返回原始响应对象
- 当调用
.json()等方法时,返回一个可等待的协程对象 - 确保错误处理和类型提示都能正常工作
意义与影响
这一改进使得PyScript的fetch API更加接近现代Web开发的标准实践,降低了学习曲线,提高了代码的可维护性。开发者现在可以:
- 快速获取简单数据
- 精细控制复杂请求流程
- 统一处理错误和异常
- 更好地与其他异步代码集成
PyScript团队通过这一改进展示了项目对开发者体验的重视,也为未来API设计提供了良好范例。这种兼顾简洁性和灵活性的设计思路值得在其他API设计中借鉴。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
135
163
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
224
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
459
暂无简介
Dart
596
130
React Native鸿蒙化仓库
JavaScript
233
308
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
614
仓颉编译器源码及 cjdb 调试工具。
C++
123
619
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
361
2.57 K