curl_cffi 0.9.0版本发布:支持Firefox模拟和Windows平台回归
项目简介
curl_cffi是一个基于cURL库的Python绑定项目,它通过CFFI(C Foreign Function Interface)技术实现了对cURL库的高效调用。该项目最大的特点是支持浏览器级别的TLS指纹模拟,能够绕过一些网站的反爬机制。最新发布的0.9.0版本带来了多项重要更新和改进。
主要更新内容
1. 新增Firefox浏览器模拟支持
0.9.0版本最重要的特性是增加了对Firefox浏览器的TLS指纹模拟能力。这意味着开发者现在可以模拟Firefox浏览器的网络请求特征,进一步增强了反反爬能力。结合之前支持的Chrome浏览器模拟,curl_cffi现在能够覆盖更广泛的使用场景。
2. Windows平台支持回归
在之前的版本中,Windows平台的支持存在一些问题。0.9.0版本重新提供了完整的Windows平台支持,包括32位和64位系统。这对于需要在Windows环境下进行开发的用户来说是个好消息。
3. WebSocket性能优化
针对WebSocket连接的性能问题,新版本通过改进select机制进行了优化。这一改进显著提升了WebSocket连接的稳定性和响应速度,特别是在高并发场景下。
4. ALPN协议支持控制
新版本增加了对ALPN(Application-Layer Protocol Negotiation)协议的启用/禁用控制。ALPN是TLS协议的一个扩展,用于在握手阶段协商应用层协议(如HTTP/2)。这一改进让开发者能够更精细地控制连接行为。
5. 类型注解增强
0.9.0版本对代码的类型注解进行了全面增强,特别是对请求和流式响应的类型支持。这使得在使用IDE进行开发时能够获得更好的代码提示和类型检查,提高了开发效率。
6. 其他改进
- 修复了查询字符串中空白参数丢失的问题
- 将会话的cookies属性改为属性访问形式
- 移除了不必要的运行时依赖typing_extensions
- 将WebSocket支持拆分为独立的同步/异步实现
- 改进了路径和查询字符串中的百分号编码控制
向后兼容性说明
需要注意的是,0.9.0版本将是最后一个支持Python 3.8的版本。未来的版本将要求Python 3.9或更高版本。对于仍在使用Python 3.8的项目,建议尽快升级Python版本。
技术实现亮点
curl_cffi通过CFFI技术实现了对cURL库的高效调用,这种方式的优势在于:
- 性能接近原生C代码,远高于纯Python实现
- 能够直接访问cURL库的所有高级功能
- 支持TLS指纹模拟等底层网络特性
- 跨平台兼容性好,支持主流操作系统
总结
curl_cffi 0.9.0版本带来了多项重要改进,特别是Firefox模拟支持和Windows平台回归,使得这个项目在反爬和网络请求模拟领域更具竞争力。对于需要进行复杂网络请求处理的Python开发者来说,curl_cffi提供了一个高性能、功能丰富的解决方案。随着类型系统的完善和性能优化,项目的易用性和稳定性也得到了显著提升。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust069- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00