Requests库SSL证书验证问题分析与解决方案
2025-04-30 20:58:49作者:秋泉律Samson
问题背景
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。该版本开始重用全局SSLContext,旨在提高首次请求和后续请求之间的时间一致性,并优化Windows系统上使用OpenSSL 3.x构建的Python版本的证书加载时间。
然而,这项改进也带来了一个兼容性问题:当开发者尝试访问由本地根CA(证书颁发机构)签名的网站时,虽然证书链已正确安装在Windows工作站上,但Requests 2.32.x版本会抛出SSLCertVerificationError错误,提示"unable to get local issuer certificate"。
技术分析
在Requests 2.31.1及更早版本中,开发者可以通过自定义HTTPAdapter来加载系统默认证书,代码如下:
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CA证书
kwargs['ssl_context'] = context
return super().init_poolmanager(*args, **kwargs)
但在2.32.0及更高版本中,这种实现方式不再有效,因为Requests内部改用了全局SSLContext(_preloaded_ssl_context)来提高性能。虽然直接访问这个私有变量可以解决问题,但这并不是推荐的做法。
解决方案
Requests核心开发者提供了更优雅的解决方案,通过重写HTTPAdapter的初始化方法和连接池构建方法来实现:
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
这种实现方式有以下几个优点:
- 在初始化阶段就创建并配置SSLContext,避免每次请求都重复创建
- 通过正规API而非私有变量实现功能
- 保持了Requests 2.32.x的性能优化特性
- 可以根据需要添加更多证书验证逻辑
最佳实践建议
对于企业内网开发环境,建议:
- 确保证书链完整安装到系统信任存储中
- 考虑使用上述自定义适配器方案
- 对于生产环境,建议使用专业CA颁发的证书而非自签名证书
- 定期更新Requests库以获取最新的安全修复
对于库开发者,应当注意:
- 避免直接依赖库内部实现细节
- 关注库的更新日志和破坏性变更
- 测试时覆盖不同版本的环境
总结
Requests 2.32.0的SSLContext优化虽然带来了性能提升,但也改变了证书验证的工作方式。通过理解这些底层变化并采用推荐的适配器模式,开发者可以既享受新版本带来的性能优势,又能保持与企业内部CA证书的兼容性。这种解决方案不仅适用于当前问题,也为未来可能的SSL/TLS相关变更提供了灵活的扩展点。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
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
12
1
暂无简介
Dart
798
197
🎉 (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
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
349
200
Ascend Extension for PyTorch
Python
376
446
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1