urllib和urllib2的区别及用

时间 2019-11-13

标签 urllib urllib2 区别繁體版

原文原文链接

首先来看一下他们的区别php

urllib和urllib2html

urllib2能够接受一个Request类的实例来设置URL请求的headers，urllib仅能够接受URL。这意味着，你不能够经过urllib模块假装你的User Agent字符串等（假装浏览器）。
urllib提供urlencode方法用来GET查询字符串的产生，而urllib2没有。这是为什么urllib常和urllib2一块儿使用的缘由。
urllib2模块比较优点的地方是urllib2.urlopen能够接受Request对象做为参数，从而能够控制HTTP Request的header部。
可是urllib.urlretrieve函数以及urllib.quote等一系列quote和unquote功能没有被加入urllib2中，所以有时也须要urllib的辅助。

httplibpython

httplib实现了HTTP和HTTPS的客户端协议，通常不直接使用，在python更高层的封装模块中（urllib,urllib2）使用了它的http实现。web

urllib简单用法

urllib.urlopen(url[, data[, proxies]]) : 请求数据ajax

建立一个表示远程url的类文件对象，而后像本地文件同样操做这个类文件对象来获取远程数据。参数url表示远程数据的路径，通常是网址；参数data表示以post方式提交到url的数据(玩过web的人应该知道提交数据的两种方式：post与get。若是你不清楚，也没必要太在乎，通常状况下不多用到这个参数)；参数proxies用于设置代理。urlopen返回一个类文件对象，他提供了以下方法：浏览器

read(),readline(),readlines(), fileno(), close()：这些方法的使用方式与文件对象彻底同样;
info()：返回一个httplib.HTTPMessage对象，表示远程服务器返回的头信息；
getcode()：返回Http状态码。若是是http请求，200表示请求成功完成;404表示网址未找到；
geturl()：返回请求的url；

import urllib  
google = urllib.urlopen('http://www.google.com')    
print 'http header:/n', google.info() #获取服务器返回的头信息   
print 'http status:', google.getcode() # 获取返回的状态码   
print 'url:', google.geturl()    # 获取请求的url
for line in google: # 就像在操做本地文件    
    print line,    
google.close()

>>> import urllib.request
>>> res = urllib.request.urlopen('http://localhost/')
>>> res.getheaders()
[('Date', 'Wed, 20 Jan 2016 14:27:42 GMT'), ('Server', 'Apache/2.4.16 (Win32) OpenSSL/1.0.1p PHP/5.6.12'), ('Content-Length', '5849'), 
('Connection', 'close'), ('Content-Type', 'text/html;charset=UTF-8')]

urllib.urlretrieve(url[, filename[, reporthook[, data]]])：下载文件服务器

urlretrieve方法直接将远程数据下载到本地。参数filename指定了保存到本地的路径（若是未指定该参数，urllib会生成一个临时文件来保存数据）；参数reporthook是一个回调函数，当链接上服务器、以及相应的数据块传输完毕的时候会触发该回调。咱们能够利用这个回调函数来显示当前的下载进度，下面的例子会展现。参数data指post到服务器的数据。该方法返回一个包含两个元素的元组(filename, headers)，filename表示保存到本地的路径，header表示服务器的响应头。下面经过例子来演示一下这个方法的使用，这个例子将新浪首页的html抓取到本地，保存在D:/sina.html文件中，同时显示下载的进度。 cookie

def cbk(a, b, c):    
    '''''''回调函数  
    @a: 已经下载的数据块  
    @b: 数据块的大小  
    @c: 远程文件的大小  
    '''    
    per = 100.0 * a * b / c    
    if per > 100:    
        per = 100    
    print '%.2f%%' % per    
    
url = 'http://www.sina.com.cn'    
local = 'd://sina.html' #本地存放的地址   
urllib.urlretrieve(url, local, cbk)

上面介绍的两个方法是urllib中最经常使用的方法，这些方法在获取远程数据的时候，内部会使用URLopener或者 FancyURLOpener类。做为urllib的使用者，咱们不多会用到这两个类，这里我不想多讲。若是对urllib的实现感兴趣，或者但愿urllib支持更多的协议，能够研究这两个类。在Python手册中，urllib的做者还列出了这个模块的缺陷和不足，感兴趣的同窗能够打开 Python手册了解一下。app

urllib中还提供了一些辅助方法，用于对url进行编码、解码。url中是不能出现一些特殊的符号的，有些符号有特殊的用途。咱们知道以get方式提交数据的时候，会在url中添加key=value这样的字符串，因此在value中是不容许有'='，所以要对其进行编码；与此同时服务器接收到这些参数的时候，要进行解码，还原成原始的数据。这个时候，这些辅助方法会颇有用：socket

urllib.quote(string[, safe])：对字符串进行编码。参数safe指定了不须要编码的字符;
urllib.unquote(string) ：对字符串进行解码；
urllib.quote_plus(string[,safe]) ：与urllib.quote相似，但这个方法用'+'来替换' '，而quote用'%20'来代替' '
urllib.unquote_plus(string) ：对字符串进行解码；
urllib.urlencode(query[, doseq])：将dict或者包含两个元素的元组列表转换成url参数。例如字典{'name': 'dark-bull', 'age': 200}将被转换为"name=dark-bull&age=200"
urllib.pathname2url(path)：将本地路径转换成url路径；
urllib.url2pathname(path)：将url路径转换成本地路径；

data = 'name = ~a+3'
data1 = urllib.quote(data)
print data1 # result: name%20%3D%20%7Ea%2B3
print urllib.unquote(data1) # result: name = ~a+3
data2 = urllib.quote_plus(data)
print data2 # result: name+%3D+%7Ea%2B3
print urllib.unquote_plus(data2) # result: name = ~a+3
data3 = urllib.urlencode({ 'name': 'dark-bull', 'age': 200 })
print data3 # result: age=200&name=dark-bull
data4 = urllib.pathname2url(r'd:/a/b/c/23.php')
print data4 # result: ///D|/a/b/c/23.php
print urllib.url2pathname(data4) # result: D:/a/b/c/23.php

urllib2简单用法

#!/usr/bin/env python
import urllib2
req = urllib2.Request("http://www.douban.com")
response = urllib2.urlopen(req)
html = response.read()
print html

一、urllib2.Request()的功能是构造一个请求信息，返回的req就是一个构造好的请求

二、urllib2.urlopen()的功能是发送刚刚构造好的请求req，并返回一个文件类的对象response，包括了全部的返回信息。

三、经过response.read()能够读取到response里面的html，经过response.info()能够读到一些额外的信息

有时你会碰到，程序也对，可是服务器拒绝你的访问。这是为何呢?问题出在请求中的头信息(header)。有的服务端有洁癖，不喜欢程序来触摸它。这个时候你须要将你的程序假装成浏览器来发出请求。请求的方式就包含在header中。
常见的情形：

import urllib
import urllib2
url = 'http://www.someserver.com/cgi-bin/register.cgi'
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'# 将user_agent写入头信息
values = {'name' : 'who','password':'123456'}
headers = { 'User-Agent' : user_agent }
data = urllib.urlencode(values)
req = urllib2.Request(url, data, headers)
response = urllib2.urlopen(req)
the_page = response.read()

urllib2和urllib配合使用：

GET方法

例如百度：

百度是经过http://www.baidu.com/s?wd=XXX 来进行查询的，这样咱们须要将{‘wd’:’xxx’}这个字典进行urlencode

import urllib
import urllib2
url = 'http://www.baidu.com/s'
values = {'wd':'D_in'}
data = urllib.urlencode(values)
print data
url2 = url+'?'+data
response = urllib2.urlopen(url2)
the_page = response.read()
print the_page

POST方法

import urllib
import urllib2
url = 'http://www.someserver.com/cgi-bin/register.cgi'
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' //将user_agent写入头信息
values = {'name' : 'who','password':'123456'} //post数据
headers = { 'User-Agent' : user_agent }
data = urllib.urlencode(values) //对post数据进行url编码
req = urllib2.Request(url, data, headers)
response = urllib2.urlopen(req)
the_page = response.read()

urllib2带cookie的使用

#coding:utf-8
import urllib2,urllib
import cookielib
url = r'http://www.renren.com/ajaxLogin'
#建立一个cj的cookie的容器
cj = cookielib.CookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
#将要POST出去的数据进行编码
data = urllib.urlencode({"email":email,"password":pass})
r = opener.open(url,data)
print cj

httplib

httplib是一个相对底层的http请求模块，其上有专门的包装模块，如urllib内建模块，goto等第三方模块，可是封装的越高就越不灵活，好比urllib模块里请求错误时就不会返回结果页的内容，只有头信息，对于某些须要检测错误请求返回值的场景就不适用，因此就得用这个模块了。

一、class httplib.HTTPConnection

说明：该类用于建立一个http类型的请求连接
原型：
HTTPConnection(host[, port[, strict[, timeout]]])
host: 请求的服务器host，不能带http://开头
port: 服务器web服务端口
strict: 是否严格检查请求的状态行，就是http1.0/1.1 协议版本的那一行，即请求的第一行，默认为False，为True时检查错误会抛异常
timeout: 单次请求的超时时间，没有时默认使用httplib模块内的全局的超时时间

实例：
conn1 = HTTPConnection('www.baidu.com:80')
conn2 = HTTPconnection('www.baidu.com',80)
conn3 = HTTPConnection('www.baidu.com',80,True,10)
错误实例：
conn3 = HTTPConnection('www.baidu.com:80',True,10)

返回：HTTPConnection类会实例并返回一个HTTPConnection对象

二、class httplib.HTTPSConnection

说明：该类用于建立一个https类型的请求连接
原型：
HTTPSConnection(host[, port[, key_file[, cert_file[, strict[, timeout]]]]])
key_file:一个包含PEM格式的私钥文件
cert_file:一个包含PEM格式的认证文件
other：其它同http参数

实例：

conn3 = HTTPSConnection('accounts.google.com',443,key_file,cert_file,True,10)

返回：一样返回一个HTTPSConnection对象
注意：要建立https连接，必需要保证底层的socket模块是支持ssl的编译模式，即编译时ssl选项的开关是开着的

三、HTTPConnection对象request方法：

说明：发送一个请求
原型：
conn.request(method, url[, body[, headers]])
method: 请求的方式，如'GET','POST','HEAD','PUT','DELETE'等
url: 请求的网页路径。如：'/index.html'
body: 请求是否带数据，该参数是一个字典
headers: 请求是否带头信息，该参数是一个字典，不过键的名字是指定的http头关键字
实例：

conn.request('GET', '/', '', {'user-agent':'test'})

返回：无返回，其实就是相对于向服务其发送数据，可是没有最后回车

四、HTTPConnection对象getresponse方法
　　说明：获取一个http响应对象，至关于执行最后的2个回车

　　原型/实例：

res = conn.getresponse()

返回：HTTPResponse对象

五、HTTPConnection对象close()方法
　　说明：关闭指定的httpconnect连接

conn.close()

六、HTTPResponse对象read方法
　　说明：得到http响应的内容部分，即网页源码
　　原型：
　　body = res.read([amt])
　　amt: 读取指定长度的字符，默认为空，即读取全部内容
　　实例：

body = res.read()
pbody = res.read(10)

返回：网页内容字符串

七、HTTPResponse对象的其它方法或属性
　　方法：
　　getheaders()
　　　　得到全部的响应头内容，是一个元组列表[(name,value),(name2,value2)]
　　getheader(name[,default])
　　　　得到指定的头内容
　　fileno()
　　　　socket的fileno

　　属性：
　　msg
　　　　全部的头信息，和getheaders方法同样，只不过这个是原始未处理的字符串
　　status
　　　　当次请求的状态
　　version
　　　　当次请求的http协议版本，10是http1.0, 11是http/1.1
　　reason
　　　　当次请求的结果的表述内容，200是ok，404是Not Found

整体实例：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import httplib
import urllib
def sendhttp():
data = urllib.urlencode({'@number': 12524, '@type': 'issue', '@action': 'show'})
headers = {"Content-type": "application/x-www-form-urlencoded",
"Accept": "text/plain"}
conn = httplib.HTTPConnection('bugs.python.org')
conn.request('POST', '/', data, headers)
httpres = conn.getresponse()
print httpres.status
print httpres.reason
print httpres.read()
if __name__ == '__main__':
sendhttp()