`

Python 标准库 urllib2 的使用细节

 
阅读更多

 

Python 标准库中有很多实用的工具类,但是在具体使用时,标准库文档上对使用细节描述的并不清楚,比如 urllib2 这个 HTTP 客户端库。这里总结了一些 urllib2 库的使用细节。

 

  • 1 Proxy 的设置
  • 2 Timeout 设置
  • 3 在 HTTP Request 中加入特定的 Header
  • 4 Redirect
  • 5 Cookie
  • 6 使用 HTTP 的 PUT 和 DELETE 方法
  • 7 得到 HTTP 的返回码
  • 8 Debug Log

1 Proxy 的设置

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

import urllib2
 
enable_proxy = True
proxy_handler = urllib2.ProxyHandler({"http" : 'http://some-proxy.com:8080'})
null_proxy_handler = urllib2.ProxyHandler({})
 
if enable_proxy:
    opener = urllib2.build_opener(proxy_handler)
else:
    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,但不能做更细粒度的控制,比如想在程序中使用两个不同的 Proxy 设置等。比较好的做法是不使用 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 并没有暴露 Timeout 的设置,要设置 Timeout 值,只能更改 Socket 的全局 Timeout 值。

import urllib2
import socket
 
socket.setdefaulttimeout(10) # 10 秒钟后超时
urllib2.socket.setdefaulttimeout(10) # 另一种方式

在新的 Python 2.6 版本中,超时可以通过 urllib2.urlopen() 的 timeout 参数直接设置。

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

3 在 HTTP Request 中加入特定的 Header

要加入 Header,需要使用 Request 对象:

import urllib2
 
request = urllib2.Request(uri)
request.add_header('User-Agent', 'fake-client')
response = urllib2.urlopen(request)

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

  • User-Agent 有些 Server 或 Proxy 会检查该值,用来判断是否是浏览器发起的 Request
  • Content-Type 在使用 REST 接口时,Server 会检查该值,用来确定 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 设置错误会导致 Server 拒绝服务。

4 Redirect

urllib2 默认情况下会针对 3xx HTTP 返回码自动进行 Redirect 动作,无需人工配置。要检测是否发生了 Redirect 动作,只要检查一下 Response 的 URL 和 Request 的 URL 是否一致就可以了。

import urllib2
response = urllib2.urlopen('http://www.google.cn')
redirected = response.geturl() == 'http://www.google.cn'

如果不想自动 Redirect,除了使用更低层次的 httplib 库之外,还可以使用自定义的 HTTPRedirectHandler 类。

import urllib2
 
class RedirectHandler(urllib2.HTTPRedirectHandler):
    def http_error_301(self, req, fp, code, msg, headers):
        pass
    def http_error_302(self, req, fp, code, msg, headers):
        pass
 
opener = urllib2.build_opener(RedirectHandler)
opener.open('http://www.google.cn')

5 Cookie

urllib2 对 Cookie 的处理也是自动的。如果需要得到某个 Cookie 项的值,可以这么做:

import urllib2
import cookielib
 
cookie = cookielib.CookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))
response = opener.open('http://www.google.com')
for item in cookie:
    if item.name == 'some_cookie_item_name':
        print item.value

6 使用 HTTP 的 PUT 和 DELETE 方法

urllib2 只支持 HTTP 的 GET 和 POST 方法,如果要使用 HTTP PUT 和 DELETE,只能使用比较低层的 httplib 库。虽然如此,我们还是能通过下面的方式,使 urllib2 能够发出 HTTP PUT 或 DELETE 的包:

import urllib2
 
request = urllib2.Request(uri, data=data)
request.get_method = lambda: 'PUT' # or 'DELETE'
response = urllib2.urlopen(request)

这种做法虽然属于 Hack 的方式,但实际使用起来也没什么问题。

7 得到 HTTP 的返回码

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

import urllib2
try:
    response = urllib2.urlopen('http://restrict.web.com')
except urllib2.HTTPError, e:
    print e.code

8 Debug Log

使用 urllib2 时,可以通过下面的方法把 Debug Log 打开,这样收发包的内容就会在屏幕上打印出来,方便我们调试,在一定程度上可以省去抓包的工作。

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

文章信息

分享到:
评论

相关推荐

    Python标准库urllib2的一些使用细节总结

    Python标准库urllib2是处理HTTP请求的重要工具,它提供了丰富的功能来实现网络通信。以下是对urllib2一些关键使用细节的深入解析: 1. **Proxy的设置**:当你需要通过代理服务器访问互联网时,urllib2允许你自定义...

    深入解析Python中的urllib2模块

    Python 标准库中有很多实用的工具类,但是在具体使用时,标准库文档上对使用细节描述的并不清楚,比如 urllib2 这个 HTTP 客户端库。这里总结了一些 urllib2 的使用细节。 Proxy 的设置 Timeout 设置 在 ...

    python urllib2模块实例简介.docx

    `urllib2` 是 Python 早期用于处理 URL 请求的标准库之一,在 Python 2.x 版本中广泛使用。随着 Python 3.x 的普及,该模块已被整合进 `urllib` 包中,并有所调整。尽管如此,了解 `urllib2` 仍然有助于更好地掌握...

    Python核心标准库学习

    最后,Python标准库还包括了错误和异常处理(如traceback和exceptions模块)、国际化(如locale模块)以及日期和时间(如datetime模块)等众多功能。 总之,Python核心标准库是一个庞大的资源宝库,无论你是新手...

    《Python标准库》.(Doug Hellmann)中文版

    《Python标准库》(Doug Hellmann)中文版是一本介绍Python编程语言标准库的书籍。标准库是随Python语言一起提供的模块、包和函数的集合,它使得Python编程更为便捷。本书的作者Doug Hellmann,是一位资深的Python...

    Python中urllib2模块的8个使用细节分享

    Python 标准库中有很多实用的工具类,但是在具体使用时,标准库文档上对使用细节描述的并不清楚,比如 urllib2 这个 HTTP 客户端库。这里总结了一些 urllib2 库的使用细节。 1 Proxy 的设置 urllib2 默认会使用环境...

    python标准库,带标签

    Python标准库是Python编程语言不可或缺的一部分,它包含了一系列预定义的模块,这些模块提供了许多有用的功能,使得...通过使用Python标准库中的模块,程序员可以极大提高开发效率,编写出更加健壮、安全和高效的代码。

    python使用urllib2实现发送带cookie的请求

    urllib2是Python标准库中的一个模块,用于处理URL相关的任务,比如打开和读取URL。它支持通过HTTP协议进行高级的网络请求操作。当我们需要在使用urllib2进行网络请求时携带cookie,可以通过自定义opener并使用add...

    解决python3 urllib 链接中有中文的问题

    在使用Python3的urllib库进行网络请求时,如果URL中包含中文字符,很容易遇到编码问题。具体来说,如果直接将含有中文的URL传递给urllib的request模块,由于HTTP协议标准规定URL必须是ASCII码范围内的字符,Python...

    python 解析url

    1. **urllib**: Python的标准库提供了`urllib`模块,它包含了多个子模块,如`urllib.request`用于发送HTTP请求,`urllib.parse`用于URL解析,`urllib.error`处理异常情况。 2. **requests**: 是一个更高级、更易用的...

    python爬虫模拟浏览器访问-User-Agent过程解析

    1. 导入必要的Python模块,例如urllib2,这是Python的标准库之一,用于处理URL相关的操作。 2. 创建一个字典变量headers,用来存储请求头信息,其中包含模拟的User-Agent字符串。这里展示的是模拟Google Chrome...

    用Python实现网络爬虫、蜘蛛.docx

    ### 使用Python标准库`urllib`进行网页请求 文档中的部分代码片段展示了如何使用Python的标准库`urllib`来发送HTTP请求并获取网页内容。其中`urllib.request`模块提供了访问URL的基本功能。例如: ```python ...

    Python库 | httpparser-0.3.11-cp35-cp35m-macosx_10_6_intel.whl

    在Python中,开发人员通常使用`urllib`、`requests`等标准库或第三方库来处理HTTP请求和响应,但这些库并不总是暴露底层的HTTP解析细节。`httpparser`可能专注于提供更底层的解析功能,对于需要对HTTP协议有深度理解...

    Python库 | pure_transport-0.1.0-py2-none-any.whl

    总的来说,“pure_transport-0.1.0-py2-none-any.whl”是一个针对Python 2版本的网络通信库,它的使用将为开发者在处理网络数据传输方面提供便利。无论是在构建Web服务、爬虫项目还是API交互,这个库都可能成为一个...

    常用Python爬虫库汇总.docx

    - **urllib**:Python内置的标准库之一,用于发送HTTP请求和处理响应。 - **requests**:一个简洁且易于使用的HTTP客户端库,支持会话机制和认证功能。 - **grab**:一个功能强大的Python HTTP客户端,具有灵活的...

    两万字博文教你python爬虫requests库详解篇.pdf

    与标准库 urllib 相比,Requests 提供了更直观、人性化的接口,让开发者能更专注于爬虫逻辑,而不是库的使用细节。 ### 1. 简介 Requests 的安装非常方便,只需通过 pip 安装: ```bash pip install requests ``` ...

    PythonBook开发宝典

    第二个文件“OReilly - Python Standard Library.chm”是Python标准库的详细指南。Python的标准库是其强大之处,包含了大量的模块和包,可用于各种任务,如网络通信、文件操作、数据解析等。这本书将帮助读者熟悉并...

    baiduwenku.py_python_

    `urllib`是Python标准库的一部分,可以用于打开URL并获取数据,而`requests`库则提供了一个更加友好的API,方便我们进行POST和GET等操作。在这个`baiduwenku.py`脚本中,可能使用了其中一个或两个库来发送HTTP请求,...

Global site tag (gtag.js) - Google Analytics