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
3 |
proxy_handler = urllib2.ProxyHandler({ "http" : 'http://some-proxy.com:8080' }) |
4 |
null_proxy_handler = urllib2.ProxyHandler({}) |
6 |
opener = urllib2.build_opener(proxy_handler) |
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。
4 |
socket.setdefaulttimeout( 10 ) |
5 |
urllib2.socket.setdefaulttimeout( 10 ) |
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。
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:
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
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。
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。
03 |
class RedirectHandler(urllib2.HTTPRedirectHandler): |
04 |
def http_error_301( self , req, fp, code, msg, headers): |
06 |
def http_error_302( self , req, fp, code, msg, headers): |
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:
4 |
cookie = cookielib.CookieJar() |
5 |
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)) response = opener. open ( 'http://www.google.com' ) |
7 |
if item.name = = 'some_cookie_item_name' : |
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:
3 |
request = urllib2.Request(uri, data = data) |
4 |
request.get_method = lambda : 'PUT' |
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:
3 |
response = urllib2.urlopen( 'http://restrict.web.com' ) |
4 |
except urllib2.HTTPError, e: |
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。
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' ) |