`
喜欢蓝色的我
  • 浏览: 370440 次
  • 性别: Icon_minigender_2
  • 来自: 北京
社区版块
存档分类
最新评论

python 标准库urllib2 使用

 
阅读更多

转:http://www.cnblogs.com/yuxc/archive/2011/08/01/2123995.html

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')

 

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...

    python urllib3

    Python的urllib3库是Python标准库urllib的第三方扩展,提供了一套强大的HTTP客户端功能。这个库在处理网络请求时,特别是在并发请求和管理连接池方面,具有很高的效率和灵活性。下面我们将深入探讨urllib3的核心概念...

    python标准库 中文

    这个压缩包中的《Python标准库》中文版.pdf文档,很显然是为了帮助中文使用者更好地理解和应用Python的内置库。 Python标准库涵盖了许多领域,包括但不限于: 1. **操作系统接口**:os模块提供了与操作系统交互的...

    Python urllib urllib模块

    Python的urllib模块是Python标准库中的一个重要组成部分,它为开发者提供了访问互联网资源的工具。urllib模块包含了多个子模块,如urlopen、urlretrieve、urlparse等,它们各自承担着不同的网络请求任务。在Python 3...

    Python标准库中英文.zip

    Python标准库中的模块包括但不限于sys(系统交互)、os(操作系统接口)、math(数学运算)、json(JSON编码解码)、datetime(日期和时间处理)、re(正则表达式)、urllib(URL处理)以及collections(高级数据...

    Python标准库(中文版)

    假设我们需要编写一个简单的程序来统计某个文本文件中单词出现的频率,可以使用Python标准库中的`collections.Counter`来轻松实现这一功能。示例如下: ```python from collections import Counter import re def ...

    Python标准库中文版.pdf

    Python标准库是Python编程语言的一个重要组成部分,它为Python提供了丰富的模块,使得开发人员能够不必自行编写所有功能,而是通过使用标准库中的模块来实现各种功能。从给定文件的内容来看,该文档是关于Python标准...

    2014年辛星python标准库整理夏季版

    在2014年,辛星完成了对Python标准库的整理工作,发布...随着时间的推移,Python标准库也在不断地更新和改进,对于今天使用Python的开发者来说,虽然可以直接访问官方文档,但辛星的这份工作仍具有历史意义和学习价值。

    Python标准库3.7

    此外,Python标准库还涵盖了众多其他模块,如`os`用于操作系统交互,`sys`用于与Python解释器通信,`json`用于JSON数据序列化,`re`用于正则表达式操作,`datetime`处理日期和时间,`urllib`处理URL相关操作等。...

    Python 网络爬虫开发 Python爬虫入门基础教程:Python的urllib2 模块解析 共6页.pptx

    Python 的 urllib2 模块是 Python 的一个标准库,提供了访问网页和本地文件的功能。在本教程中,我们将详细了解 urllib2 模块的使用和解析。 一、urllib2 模块概述 urllib2 模块是 Python 的一个标准库,提供了...

    python标准库中文版PDF

    在使用Python标准库时,要注意选择合适的模块和函数来解决问题,理解其工作原理,并合理利用这些工具来提高代码的可读性和效率。同时,持续学习和查阅官方文档(如Python标准库中文版PDF)是提升Python技能的关键。

    python中urllib2模块 HTTPBasicAuthHandler认证 HTTPError bug

    5. 使用替代库:Python的`requests`库是`urllib2`的一个更现代且功能丰富的替代品,它处理认证和错误处理更加方便。 在`router.py`这个文件中,可能包含了处理这些问题的具体代码示例,如设置`HTTPBasicAuthHandler...

    python标准库.zip

    Python标准库是Python编程语言的核心组成部分,包含了丰富的模块和函数,为开发者提供了各种功能和工具,使得Python在处理各种任务时具有极高的灵活性和效率。这些模块涵盖了网络通信、文件处理、操作系统接口、数据...

    python标准库PDF

    这个“Python标准库3.6参考手册中文完整pdf版”是针对Python 3.6版本的官方文档,为开发者提供了详细、全面的指南,便于理解和使用这些库。 在Python 3.6的标准库中,包含以下几个主要类别: 1. **内置模块**:这...

    PYTHON标准库带CD

    2. **网络编程**:Python标准库中的`socket`模块允许开发者创建网络连接,实现TCP/IP通信。`urllib`和`requests`模块则用于HTTP请求,可以方便地下载网页或发送数据到服务器。 3. **文件和I/O操作**:`open()`函数...

    python标准库中文版PDF(带章节书签)

    Python标准库是一系列已经编写好的模块集合,这些模块可以被Python程序直接导入并使用。它们由Python的官方维护,保证了跨平台的兼容性,并且随着Python版本的更新而持续发展。库中的模块涵盖了各种常见的编程任务,...

    2018_Python 标准库及拓展_7幅思维导图

    Python标准库是Python编程语言的核心组成部分,包含了大量预先编写好的模块和函数,为开发者提供了丰富的功能,涵盖了网络通信、文件处理、数据结构、系统接口等多个领域。这些库使得Python成为一种强大而高效的开发...

    python标准库(中文版)

    Python标准库是Python语言的一部分,为开发者提供了丰富的模块,可以直接在编程中使用,无需额外安装。以下详细介绍几个在Python标准库中的模块,它们分别在不同的场景下发挥着重要作用。 首先,核心模块是任何...

    Python标准库中文手册.zip

    Python标准库是Python编程语言的核心组成部分,它提供了一系列预先编写好的模块,涵盖了各种常见的编程任务,如文件操作、网络通信、数据处理等。这个“Python标准库中文手册”旨在为Python程序员提供方便的中文参考...

Global site tag (gtag.js) - Google Analytics