python中urllib2 总结

时间 2020-08-02 标签 python urllib2 urllib 总结

 [-]web
Proxy 的设置
Timeout 设置
在 HTTP Request 中加入特定的 Header
Redirect
Cookie
使用 HTTP 的 PUT 和 DELETE 方法
获得 HTTP 的返回码
Debug Log

使用Python访问网页主要有三种方式： urllib, urllib2, httplib
urllib比较简单，功能相对也比较弱，httplib简单强大，但好像不支持session
1. 最简单的页面访问
res=urllib2.urlopen(url)

print res.read()json

2. 加上要get或post的数据
data={"name":"hank", "passwd":"hjz"}

urllib2.urlopen(url, urllib.urlencode(data))浏览器

3. 加上http头
header={"User-Agent": "Mozilla-Firefox5.0"}
urllib2.urlopen(url, urllib.urlencode(data), header)

使用opener和handler
opener = urllib2.build_opener(handler)

urllib2.install_opener(opener)cookie

4. 加上session

cj = cookielib.CookieJar() #在内存中加载cookiesession

cookie = cookielib.LWPCookieJar() #在硬盘中存储cookie
app

cjhandler=urllib2.HTTPCookieProcessor(cj)
opener = urllib2.build_opener(cjhandler)

urllib2.install_opener(opener)socket

5. 加上Basic认证
password_mgr = urllib2.HTTPPasswordMgrWithDefaultRealm()
top_level_url = "http://www.163.com/"
password_mgr.add_password(None, top_level_url, username, password)
handler = urllib2.HTTPBasicAuthHandler(password_mgr)
opener = urllib2.build_opener(handler)

urllib2.install_opener(opener)ide

6. 使用代理
proxy_support = urllib2.ProxyHandler({"http":"http://1.2.3.4:3128/"})
opener = urllib2.build_opener(proxy_support)

urllib2.install_opener(opener)post

7. 设置超时

socket.setdefaulttimeout(5)ui

1 Proxy 的设置

urllib2 默认会使用环境变量 http_proxy 来设置 HTTP Proxy。若是想在程序中明确控制 Proxy，而不受环境变量的影响，可使用下面的方式

 
          1 
          importurllib2  
        
          2 
          enable_proxy = True 
        
          3 
          proxy_handler = urllib2.ProxyHandler({"http": 'http://some-proxy.com:8080'}) 
        
          4 
          null_proxy_handler =urllib2.ProxyHandler({})  
        
          5 
          if enable_proxy: 
        
          6 
              opener =urllib2.build_opener(proxy_handler) 
        
          7 
          else: 
        
          8 
              opener = urllib2.build_opener(null_proxy_handler)  urllib2.install_opener(opener)

这里要注意的一个细节，使用 urllib2.install_opener() 会设置 urllib2 的全局 opener。这样后面的使用会很方便，但不能作更细粒度的控制，好比想在程序中使用两个不一样的 Proxy 设置等。比较好的作法是不使用 install_opener 去更改全局的设置，而只是直接调用 opener 的 open 方法代替全局的 urlopen 方法。

2 Timeout 设置

在老版本中，urllib2 的 API 并无暴露 Timeout 的设置，要设置 Timeout 值，只能更改 Socket 的全局 Timeout 值。

 
          1 
          importurllib2 
        
          2 
          importsocket  
        
          3 
            
          4 
          socket.setdefaulttimeout(10) # 10 秒钟后超时 
        
          5 
          urllib2.socket.setdefaulttimeout(10) # 另外一种方式

在新的 Python 2.6 版本中，超时能够经过 urllib2.urlopen() 的 timeout 参数直接设置。

 
          1 
          importurllib2 
        
          2 
          response = urllib2.urlopen('http://www.google.com', timeout=10)

3 在 HTTP Request 中加入特定的 Header

要加入 Header，须要使用 Request 对象：

 
          1 
          importurllib2 
        
          2 
             
          3 
          request =urllib2.Request(uri) 
        
          4 
          request.add_header('User-Agent', 'fake-client') 
        
          5 
          response = urllib2.urlopen(request)

对有些 header 要特别留意，Server 端会针对这些 header 作检查

User-Agent 有些 Server 或 Proxy 会检查该值，用来判断是不是浏览器发起的 Request
Content-Type 在使用 REST 接口时，Server 会检查该值，用来肯定 HTTP Body 中的内容该怎样解析。

常见的取值有：
- application/xml ：在 XML RPC，如 RESTful/SOAP 调用时使用
- application/json ：在 JSON RPC 调用时使用
- application/x-www-form-urlencoded ：浏览器提交 Web 表单时使用
- ……
在使用 RPC 调用 Server 提供的 RESTful 或 SOAP 服务时， Content-Type 设置错误会致使 Server 拒绝服务。

4 Redirect

urllib2 默认状况下会针对 3xx HTTP 返回码自动进行 Redirect 动做，无需人工配置。要检测是否发生了 Redirect 动做，只要检查一下 Response 的 URL 和 Request 的 URL 是否一致就能够了。

 
            1 
            importurllib2 
          
            2 
              
            3 
            response =urllib2.urlopen('http://www.google.cn') 
          
            4 
            whether_redirected = response.geturl() == 'http://www.google.cn'

若是不想自动 Redirect，除了使用更低层次的 httplib 库以外，还可使用自定义的 HTTPRedirectHandler 类。

 
            01 
            importurllib2  
          
            02 
              
            03 
            class RedirectHandler(urllib2.HTTPRedirectHandler): 
          
            04 
                def http_error_301(self, req, fp, code, msg, headers): 
          
            05 
                    pass     
          
            06 
                def http_error_302(self, req, fp, code, msg, headers): 
          
            07 
                    pass  
          
            08 
              
            09 
            opener =urllib2.build_opener(RedirectHandler) 
          
            10 
            opener.open('http://www.google.cn')

5 Cookie

urllib2 对 Cookie 的处理也是自动的。若是须要获得某个 Cookie 项的值，能够这么作：

 
            1 
            importurllib2 
          
            2 
            importcookielib  
          
            3 
              
            4 
            cookie =cookielib.CookieJar() 
          
            5 
            opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)) response =opener.open('http://www.google.com') 
          
            6 
            for item in cookie: 
          
            7 
                if item.name == 'some_cookie_item_name': 
          
            8 
                    print item.value

6 使用 HTTP 的 PUT 和 DELETE 方法

urllib2 只支持 HTTP 的 GET 和 POST 方法，若是要使用 HTTP PUT 和 DELETE，只能使用比较低层的 httplib 库。虽然如此，咱们仍是能经过下面的方式，使 urllib2 可以发出 HTTP PUT 或 DELETE 的包：

 
            1 
            importurllib2  
          
            2 
              
            3 
            request =urllib2.Request(uri, data=data) 
          
            4 
            request.get_method = lambda: 'PUT'# or 'DELETE' 
          
            5 
            response = urllib2.urlopen(request)

这种作法虽然属于 Hack 的方式，但实际使用起来也没什么问题。

7 获得 HTTP 的返回码

对于 200 OK 来讲，只要使用 urlopen 返回的 response 对象的 getcode() 方法就能够获得 HTTP 的返回码。但对其它返回码来讲，urlopen 会抛出异常。这时候，就要检查异常对象的 code 属性了：

 
             1 
             importurllib2 
           
             2 
             try: 
           
             3 
                 response =urllib2.urlopen('http://restrict.web.com') 
           
             4 
             except urllib2.HTTPError, e: 
           
             5 
                 print e.code

8 Debug Log

使用 urllib2 时，能够经过下面的方法把 Debug Log 打开，这样收发包的内容就会在屏幕上打印出来，方便咱们调试，在必定程度上能够省去抓包的工做。

 
             1 
             import urllib2 
           
             2 
                 
             3 
             httpHandler =urllib2.HTTPHandler(debuglevel=1) 
           
             4 
             httpsHandler =urllib2.HTTPSHandler(debuglevel=1) 
           
             5 
             opener =urllib2.build_opener(httpHandler, httpsHandler)  urllib2.install_opener(opener) 
           
             6 
             response = urllib2.urlopen('http://www.google.com')