Python解析multipart/form-data并保留部件顺序的标准方案

我正在搭建一台可接收多张输入图片的HTTP服务器，图片可通过文件或缓冲区形式传入。例如请求命令如下：

$ curl -F image_file=@/path/to/image1.jpg \
       -F image_file=@/path/to/image2.png \
       -F image_buffer=/path/to/image_buffer.bin -F image_buffer_shape="256,256,3" \
       -F image_file=@/path/to/image4.tif \
       <server URL>

该命令会发送multipart/form-data类型的HTTP POST请求，包含5个按客户端发送顺序排列的部件：image_file, image_file, image_buffer, image_buffer_shape, image_file。

使用Python内置函数cgi.parse_multipart时，返回的是列表组成的字典，会丢失不同名称输入的顺序，示例结果如下：

{'image_file' : [<content of image1.jpg>, <content of image2.png>, <content of image4.tif>],
 'image_buffer' : [<content of image_buffer.bin>],
 'image_buffer_shape' : ['256,256,3']
}

这样就无法得知image4.tif是在image_buffer之后传入的。

最初考虑使用Python内置cgi模块解析请求头和multipart负载，但该模块已被废弃。解析请求头无需使用cgi模块，BaseHTTPRequestHandler.do_POST中的self.headers属于http.client.HTTPMessage类（email.message.Message的子类），可通过self.headers.get_content_type()、self.headers.get_boundary()等标准方法解析。

请问解析multipart负载并保留各输入原始顺序的最标准、最优雅的方式是什么？

方式一：基于标准库email手动解析 #

利用Python内置的email模块实现，无需额外依赖，能严格保留部件顺序：

1. 从请求头获取multipart边界（需添加--前缀）
2. 读取完整的请求体内容
3. 用边界拆分负载，过滤掉首尾无效的边界行
4. 对每个有效部件用email.message_from_bytes()解析
5. 从Content-Disposition头提取部件名称，解码获取原始内容

示例代码片段：

from email import message_from_bytes

def parse_multipart_keep_order(self):
    content_type = self.headers.get_content_type()
    if content_type != 'multipart/form-data':
        return []
    
    boundary = self.headers.get_boundary()
    if not boundary:
        return []
    
    # 读取请求体内容
    content_length = int(self.headers.get('Content-Length', 0))
    payload = self.rfile.read(content_length)
    
    # 拆分部件并过滤无效内容
    boundary_bytes = f'--{boundary}'.encode()
    parts = payload.split(boundary_bytes)
    valid_parts = [part.strip() for part in parts if part.strip() and not part.strip().startswith(b'--')]
    
    ordered_parts = []
    for part_bytes in valid_parts:
        msg = message_from_bytes(part_bytes)
        part_name = msg.get_param('name', header='content-disposition')
        part_content = msg.get_payload(decode=True)
        ordered_parts.append((part_name, part_content))
    
    return ordered_parts

返回的ordered_parts是一个列表，每个元素为(部件名称, 内容)的元组，完全匹配客户端发送的顺序。

方式二：使用第三方库requests-toolbelt解析 #

如果允许引入第三方库，requests-toolbelt的MultipartDecoder封装了完整的解析逻辑，代码更简洁：

from requests_toolbelt.multipart import MultipartDecoder

def parse_multipart_with_toolbelt(self):
    content_type = self.headers.get('Content-Type')
    content_length = int(self.headers.get('Content-Length', 0))
    payload = self.rfile.read(content_length)
    
    decoder = MultipartDecoder(payload, content_type)
    ordered_parts = []
    for part in decoder.parts:
        # 从Content-Disposition头提取部件名称
        disp_header = part.headers.get('Content-Disposition', '')
        if 'name="' in disp_header:
            part_name = disp_header.split('name="')[1].split('"')[0]
            ordered_parts.append((part_name, part.content))
    
    return ordered_parts

该库能自动处理边界、编码等细节，同时严格保留部件的原始顺序。

内容的提问来源于stack exchange，提问作者SomethingSomething