BlackSheep框架中Server-Sent Events的文本传输优化方案
2025-07-04 20:12:49作者:史锋燃Gardner
Server-Sent Events(SSE)作为一种轻量级的服务器推送技术,在现代Web应用中扮演着重要角色。BlackSheep作为高性能的Python Web框架,近期对其SSE功能进行了重要增强,特别是针对纯文本传输场景的优化。
原始问题分析
在BlackSheep框架的早期版本中,使用ServerSentEvent类发送纯文本消息时存在一个限制:所有内容都会被强制进行JSON序列化处理。这导致纯文本字符串会被自动加上引号,不符合某些场景下直接传输原始文本的需求。
开发者们提出了实际需求:希望能够直接发送未经JSON序列化的原始文本内容。典型应用场景包括:
- 与特定前端组件直接通信
- 传输预格式化文本内容
- 兼容已有SSE客户端实现
技术实现方案
BlackSheep团队采纳了社区建议,通过引入TextServerSentEvent类来解决这个问题。这个新类具有以下关键特性:
- 原生文本支持:直接接受字符串参数,不进行JSON序列化
- 安全处理机制:自动转义换行符(\n和\r\n),防止意外终止SSE消息
- 简洁API设计:保持与原有ServerSentEvent相似的接口风格
使用示例
from blacksheep.server.sse import TextServerSentEvent
@get("/events")
async def events_handler(request: Request) -> AsyncIterable[TextServerSentEvent]:
counter = 0
while True:
counter += 1
yield TextServerSentEvent(f"当前计数: {counter}")
await asyncio.sleep(1)
前端处理时需要注意对转义字符的处理:
eventSource.onmessage = function(event) {
// 处理转义的换行符
const content = event.data.replace(/\\n/g, "<br />");
document.getElementById("output").innerHTML = content;
}
技术细节与最佳实践
-
换行符处理:SSE协议使用两个连续的换行符(\n\n)作为消息分隔符,TextServerSentEvent会自动将内容中的换行符转义为\n,确保消息完整性
-
连接管理:建议结合请求断开检测和应用程序停止信号处理,实现健壮的SSE连接管理
-
性能考量:相比JSON序列化,直接文本传输减少了CPU开销,特别适合高频消息推送场景
总结
BlackSheep框架通过引入TextServerSentEvent类,完善了其SSE功能矩阵,为开发者提供了更灵活的服务器推送选择。这一改进既保持了框架原有的简洁性,又解决了实际开发中的痛点,体现了框架对开发者需求的积极响应。
对于需要与现有SSE客户端集成或传输特定格式文本的应用场景,这一特性将显著简化开发工作。开发者现在可以根据具体需求,在JSON格式和纯文本格式之间自由选择,构建更高效的实时Web应用。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1