Python 标准库 urllib2 的使用细节
来源:互联网 发布:如何增加淘宝搜索量 编辑:程序博客网 时间:2024/06/06 03:41
刚好用到,这篇文章写得不错,转过来收藏。 转载自 道可道 | Python标准库 urllib2的使用细节
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')
---我是低调的不显眼的简洁的不会被敌人发现的分割线---
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- 剑指offer习题JAVA实现(一)
- SpringMVC 配置Thymeleaf模板
- 0418-交集选择器
- name不能做变量名
- 算法导论程序1--插入排序(Python+Java)
- Python 标准库 urllib2 的使用细节
- js实例(setInterval, clearInterval)
- 《精通CSS》笔记3
- StringBuffer的常见方法及注意事项
- Maven集成阿里大鱼短信
- JDSC接口
- JSP && JavaScript
- 2016中国互联网络发展状况统计报告(摘要)
- Linux之vim编辑器和gcc,gdb