Python学习之urlib模块和urllib2模块学习

时间 2019-11-25

标签 python 学习 urlib 模块 urllib2 urllib 栏目 Python 繁體版

原文原文链接

原创做品，容许转载，转载时请务必以超连接形式标明文章原始出处、做者信息和本声明。不然将追究法律责任。http://john88wang.blog.51cto.com/2165294/1441495 php

一 urlib模块
html

利用urllib模块能够打开任意个url。python

urlopen() 打开一个url返回一个文件对象，能够进行相似文件对象的操做。json

In [308]: import urllib 
In [309]: file=urllib.urlopen(' 
In [310]: file.readline()
Out[310]: '<!DOCTYPE html><!--STATUS OK--><html><head><meta http-equiv="content-type" content="text/html;charset=utf-8"><meta http-equiv="X-UA-Compatible" content="IE=Edge"><link rel="dns-prefetch" href="//s1.bdstatic.com"/><link rel="dns-prefetch" href="//t1.baidu.com"/><link rel="dns-prefetch" href="//t2.baidu.com"/><link rel="dns-prefetch" href="//t3.baidu.com"/><link rel="dns-prefetch" href="//t10.baidu.com"/><link rel="dns-prefetch" href="//t11.baidu.com"/><link rel="dns-prefetch" href="//t12.baidu.com"/><link rel="dns-prefetch" href="//b1.bdstatic.com"/><title>\xe7\x99\xbe\xe5\xba\xa6\xe4\xb8

能够用read(),readlines(),fileno(),close()这些函数api

In [337]: file.info()
Out[337]: <httplib.HTTPMessage instance at 0x2394a70>
 
In [338]: file.getcode()
Out[338]: 200
 
In [339]: file.geturl()
Out[339]: 'http://www.baidu.com/'

2.urlretrieve() 将url对应的html页面保存为文件浏览器

In [404]: filename=urllib.urlretrieve('http://www.baidu.com/',filename='/tmp/baidu.html')
 
In [405]: type (filename)
Out[405]: <type 'tuple'>
 
In [406]: filename[0]
Out[406]: '/tmp/baidu.html'
 
In [407]: filename
Out[407]: ('/tmp/baidu.html', <httplib.HTTPMessage instance at 0x23ba878>)
 
In [408]: filename[1]
Out[408]: <httplib.HTTPMessage instance at 0x23ba878>

3.urlcleanup() 清除由urlretrieve()产生的缓存缓存

In [454]: filename=urllib.urlretrieve('http://www.baidu.com/',filename='/tmp/baidu.html')
 
In [455]: urllib.urlcleanup()

4.urllib.quote()和urllib.quote_plus() 将url进行编码
服务器

In [483]: urllib.quote('http://www.baidu.com')
Out[483]: 'http%3A//www.baidu.com'
 
In [484]: urllib.quote_plus('http://www.baidu.com')
Out[484]: 'http%3A%2F%2Fwww.baidu.com'

5.urllib.unquote()和urllib.unquote_plus() 将编码后的url解码cookie

In [514]: urllib.unquote('http%3A//www.baidu.com')
Out[514]: 'http://www.baidu.com'
 
In [515]: urllib.unquote_plus('http%3A%2F%2Fwww.baidu.com')
Out[515]: 'http://www.baidu.com'

6.urllib.urlencode() 将url中的键值对以&划分，能够结合urlopen()实现POST方法和GET方法函数

In [560]: import urllib 
In [561]: params=urllib.urlencode({'spam':1,'eggs':2,'bacon':0}) ]
In [562]: f=urllib.urlopen("http://python.org/query?%s" %params) 
In [563]: f.readline()
Out[563]: '<!doctype html>\n' 
In [564]: f.readlines()
Out[564]: ['<!--[if lt IE 7]>   <html class="no-js ie6 lt-ie7 lt-ie8 lt-ie9">   <![endif]-->\n',
 '<!--[if IE 7]>      <html class="no-js ie7 lt-ie8 lt-ie9">          <![endif]-->\n', 
 '<!--[if IE 8]>      <html class="no-js ie8 lt-ie9">                 <![endif]-->\n', 
 '<!--[if gt IE 8]><!--><html class="no-js" lang="en" dir="ltr">  <!--<![endif]-->\n',
  '\n',

二 urllib2模块

urllib2比urllib多了些功能，例如提供基本的认证，重定向，cookie等功能

https://docs.python.org/2/library/urllib2.html

https://docs.python.org/2/howto/urllib2.html

In [566]: import urllib2
 
In [567]: f=urllib2.urlopen('http://www.python.org/')
 
In [568]: print f.read(100)
--------> print(f.read(100))
<!doctype html>
<!--[if lt IE 7]>   <html class="no-js ie6 lt-ie7 lt-ie8 lt-ie9">   <![endif]-->

打开python的官网并返回头100个字节内容

HTTP基于请求和响应，客户端发送请求，服务器响应请求。urllib2使用一个Request对象表明发送的请求，调用urlopen()打开Request对象能够返回一个response对象。reponse对象是一个相似文件的对象，能够像文件同样进行操做

In [630]: import urllib2
 
In [631]: req=urllib2.Request('http://www.baidu.com')
 
In [632]: response=urllib2.urlopen(req)
 
In [633]: the_page=response.read()
 
In [634]: the_page
Out[634]: '<!DOCTYPE html><!--STATUS OK--><html><head><meta http-equiv="content-type" content="text/html;charset=utf-8"><meta http-equiv="X-UA-Compatible" content="IE=Edge"><link rel="dns-prefetch" href="//s1.bdstatic.com"/><link rel="dns-prefetch" href="//t1.baidu.com"/><link rel="dns-prefetch" href="//t2.baidu.com"/><link rel="dns-prefetch" href="//t3.baidu.

一般状况下须要向一个url以POST的方式发送数据。

In [763]: import urllib
 
In [764]: import urllib2
 
In [765]: url='http://xxxxxx/login.php'
 
In [766]: values={'ver' : '1.7.1', 'email' : 'xxxxx', 'password' : 'xxxx', 'mac' : '111111111111'}
 
In [767]: data=urllib.urlencode(values)
 
In [768]: req=urllib2.Request(url,data)
 
In [769]: response=urllib2.urlopen(req)
 
In [770]: the_page=response.read()
 
In [771]: the_page

若是不使用urllib2.Request()发送data参数，urllib2使用GET请求，GET请求和POST请求差异在于POST请求常有反作用，POST请求会经过某些方式改变系统的状态。也能够经过GET请求发送数据。

In [55]: import urllib2
 
In [56]: import urllib
 
In [57]: url='http://xxx/login.php'
 
In [58]: values={'ver' : 'xxx', 'email' : 'xxx', 'password' : 'xxx', 'mac' : 'xxx'}
 
In [59]: data=urllib.urlencode(values)
 
In [60]: full_url=url + '?' + data
 
In [61]: the_page=urllib2.urlopen(full_url)
 
In [63]: the_page.read()
Out[63]: '{"result":0,"data":0}'

默认状况下,urllib2使用Python-urllib/2.6 代表浏览器类型，能够经过增长User-Agent HTTP头

In [107]: import urllib
 
In [108]: import urllib2
 
In [109]: url='http://xxx/login.php'
 
In [110]: user_agent='Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
 
In [111]: values={'ver' : 'xxx', 'email' : 'xxx', 'password' : 'xxx', 'mac' : 'xxxx'}
 
In [112]: headers={'User-Agent' : user_agent}
 
In [114]: data=urllib.urlencode(values)
 
In [115]: req=urllib2.Request(url,data,headers)
 
In [116]: response=urllib2.urlopen(req)
 
In [117]: the_page=response.read()
 
In [118]: the_page

当给定的url不能链接时，urlopen()将报URLError异常，当给定的url内容不能访问时，urlopen()会报HTTPError异常

#/usr/bin/python
 
from urllib2 import Request,urlopen,URLError,HTTPError
req=Request('http://10.10.41.42/index.html')
try:
   response=urlopen(req)
except HTTPError as e:
   print 'The server couldn\'t fulfill the request.'
   print 'Error code:',e.code
 
except URLError as e:
   print 'We failed to fetch a server.'
   print 'Reason:',e.reason
else:
   print "Everything is fine"

这里须要注意的是在写异常处理时，HTTPError必需要写在URLError前面

#/usr/bin/python
 
from urllib2 import Request,urlopen,URLError,HTTPError
req=Request('http://10.10.41.42')
try:
   response=urlopen(req)
 
except URLError as e:
   if hasattr(e,'reason'):
      print 'We failed to fetch a server.'
      print 'Reason:',e.reason
   elif hasattr(e,'code'):
      print 'The server couldn\'t fulfill the request.'
      print 'Error code:',e.code
else:
   print "Everything is fine"

hasattr()函数判断一个对象是否有给定的属性

使用urllib2模块登陆须要基本认证的页面

登陆RabbitMQ的管理页面须要进行用户名和密码验证。

In [63]: url='http://172.30.25.179:15672/api/aliveness-test/%2f'
 
In [64]: username='guest'
 
In [65]: password='guest'
 
In [66]: mgr=urllib2.HTTPPasswordMgrWithDefaultRealm()
 
In [67]: s=mgr.add_password(None,url,username,password)
 
In [68]: handler=urllib2.HTTPBasicAuthHandler(mgr)
 
In [69]: opener=urllib2.build_opener(handler)
 
In [70]: opener.open(url).read()
Out[70]: '{"status":"ok"}'
 
json.loads(opener.open(url).read())

参考文档：

https://docs.python.org/2/library/urllib2.html#module-urllib2

本文出自 “Linux SA John” 博客，请务必保留此出处http://john88wang.blog.51cto.com/2165294/1441495