Requests库SSL证书验证问题解析与解决方案
Requests是Python中最流行的HTTP客户端库之一,在2.32.0版本中引入了一项关于SSLContext的重要改进。这项改进旨在通过重用全局SSLContext来提高请求性能,特别是在Windows系统上使用OpenSSL 3.x构建的Python版本时,可以减少证书加载时间。
问题背景
在2.32.0版本发布后,一些用户报告了在使用本地根证书颁发机构(CA)签名的网站时遇到了SSL证书验证问题。具体表现为当尝试访问由本地根CA签名的网站时,系统会抛出"SSLCertVerificationError: unable to get local issuer certificate"错误。
技术分析
这个问题源于2.32.0版本对SSLContext处理方式的改变。在之前的版本(如2.31.1)中,以下代码可以正常工作:
from requests.adapters import HTTPAdapter
import requests
from requests.packages.urllib3.util.ssl_ import create_urllib3_context
class SSLContextAdapter(HTTPAdapter):
def init_poolmanager(self, *args, **kwargs):
context = create_urllib3_context()
context.load_default_certs() # 加载系统的CA证书
kwargs['ssl_context'] = context
return super().init_poolmanager(*args, **kwargs)
但在2.32.x版本中,这种实现方式会导致证书验证失败。这是因为新版本改变了SSLContext的管理方式,不再支持通过这种方式覆盖默认的SSLContext。
解决方案
Requests核心开发团队提供了两种解决方案:
临时解决方案
可以使用内部变量_preloaded_ssl_context来加载默认证书:
from requests.adapters import HTTPAdapter, _preloaded_ssl_context
class SSLContextAdapter(HTTPAdapter):
def init_poolmanager(self, *args, **kwargs):
_preloaded_ssl_context.load_default_certs()
return super().init_poolmanager(*args, **kwargs)
但需要注意的是,这种方法依赖于内部实现细节,不是官方推荐的做法。
推荐解决方案
更健壮的解决方案是在适配器的__init__方法中创建自定义SSLContext,并通过build_connection_pool_key_attributes方法将其注入:
class SSLContextAdapter(HTTPAdapter):
def __init__(
self,
pool_connections=DEFAULT_POOLSIZE,
pool_maxsize=DEFAULT_POOLSIZE,
max_retries=DEFAULT_RETRIES,
pool_block=DEFAULT_POOLBLOCK,
):
super().__init__()
self.custom_context = create_urllib3_context()
self.custom_context.load_default_certs()
def build_connection_pool_key_attributes(self, request, verify, cert=None):
host_params, pool_kwargs = super().build_connection_pool_key_attributes(request, verify, cert)
pool_kwargs['ssl_context'] = self.custom_context
return host_params, pool_kwargs
这种方法更加符合Requests库的设计理念,且不会依赖内部实现细节。
最佳实践
对于大多数用户来说,升级到最新版本的Requests库(2.32.3及以上)并使用推荐的解决方案是最佳选择。如果必须自定义SSL验证行为,建议:
- 在适配器初始化时创建SSLContext
- 通过标准API注入自定义SSLContext
- 避免直接修改内部状态或使用内部变量
通过这种方式,可以确保代码的稳定性和向前兼容性,同时满足自定义证书验证的需求。
总结
Requests库在2.32.0版本中对SSL处理进行了优化,这虽然带来了一些兼容性变化,但也提供了更高效的证书管理机制。理解这些变化并采用推荐的解决方案,可以帮助开发者更好地利用Requests库的强大功能,同时确保与本地CA签名网站的兼容性。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00