Requests库SSL握手失败问题分析与解决方案
2025-04-30 20:35:16作者:秋泉律Samson
问题背景
在使用Python的Requests库(2.31.0版本)访问HTTPS网站时,部分用户遇到了"SSLV3_ALERT_HANDSHAKE_FAILURE"错误。这个问题在Requests 2.29.0版本中不会出现,但在2.31.0版本中却频繁发生。本文将深入分析这一问题的技术原因,并提供有效的解决方案。
错误现象
当用户尝试使用Requests库访问某些HTTPS网站时,会遇到如下错误提示:
requests.exceptions.SSLError: HTTPSConnectionPool(host='www.example.com', port=443): Max retries exceeded with url: /path (Caused by SSLError(SSLError(1, '[SSL: SSLV3_ALERT_HANDSHAKE_FAILURE] sslv3 alert handshake failure (_ssl.c:1006)')))
技术分析
版本差异
经过技术分析,这个问题并非直接由Requests 2.31.0版本本身引起。Requests库底层依赖urllib3来处理HTTP/HTTPS连接。关键的变化在于:
- Requests 2.29.0及更早版本使用urllib3 1.x系列
- Requests 2.31.0版本开始使用urllib3 2.0系列
根本原因
urllib3 2.0版本在SSL/TLS处理方面做出了重大改进:
- 不再使用固定的密码套件列表
- 完全依赖系统OpenSSL的配置
- 移除了对老旧、不安全协议的支持
这种改变提高了安全性,但也可能导致与某些配置特殊的服务器握手失败,特别是那些:
- 使用非标准或较老的加密套件
- 配置了特殊的SSL/TLS参数
- 使用自签名或非标准证书
解决方案
方法一:自定义SSL上下文
最可靠的解决方案是创建自定义SSL上下文并传递给Requests:
import requests
import ssl
from urllib3.util import ssl_
# 创建自定义SSL上下文
ctx = ssl_.create_urllib3_context()
ctx.load_default_certs()
# 使用自定义上下文
session = requests.Session()
session.mount('https://', requests.adapters.HTTPAdapter(max_retries=3, ssl_context=ctx))
response = session.get('https://example.com')
方法二:调整密码套件
如果知道目标服务器支持的加密套件,可以明确指定:
import requests
import ssl
from urllib3.util import ssl_
ctx = ssl_.create_urllib3_context()
ctx.set_ciphers('ECDHE+AESGCM:ECDHE+CHACHA20:DHE+AESGCM:DHE+CHACHA20')
session = requests.Session()
session.mount('https://', requests.adapters.HTTPAdapter(max_retries=3, ssl_context=ctx))
方法三:临时降级方案
作为临时解决方案,可以降级到Requests 2.30.0版本:
pip install requests==2.30.0
但这不是长期推荐的做法,因为新版本提供了更好的安全性。
最佳实践建议
- 优先使用自定义SSL上下文:这是最灵活且安全的解决方案
- 保持库更新:不要因为兼容性问题而长期使用旧版本
- 测试不同环境:在开发、测试和生产环境中验证SSL连接
- 监控SSL/TLS配置:定期检查服务器SSL配置是否符合最新安全标准
总结
Requests库与urllib3的版本升级带来了更安全的默认配置,但也可能导致与特定服务器的SSL握手问题。通过理解底层机制并采用自定义SSL上下文的解决方案,开发者可以在保证安全性的同时解决兼容性问题。建议开发者根据实际环境选择最适合的解决方案,并持续关注安全更新。
登录后查看全文
热门项目推荐
相关项目推荐
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
🎉 (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
1.57 K
911
deepin linux kernel
C
28
16
暂无简介
Dart
923
228
Ascend Extension for PyTorch
Python
518
630
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
46
52
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
1.07 K
559
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
305
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.35 K
110
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
134
212