Python urllib2

绝地灬酷狼 2022-08-13 13:52 189阅读 0赞

# [Python 标准库 urllib2 的使用细节][Python _ urllib2] #

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][Proxy]
 *  [Timeout 设置][Timeout]
 *  [在 HTTP Request 中加入特定的 Header][HTTP Request _ Header]
 *  [Redirect][]
 *  [Cookie][]
 *  [使用 HTTP 的 PUT 和 DELETE 方法][HTTP _ PUT _ DELETE]
 *  [得到 HTTP 的返回码][HTTP]
 *  [Debug Log][]

## [Proxy 的设置][Proxy 1] ##

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。

## [Timeout 设置][Timeout 1] ##

在老版 Python 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 Python 2.6 以后，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)

## [在 HTTP Request 中加入特定的 Header][HTTP Request _ Header 1] ##

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，服务器会针对这些 header 做检查

*  User-Agent : 有些服务器或 Proxy 会通过该值来判断是否是浏览器发出的请求
 *  Content-Type : 在使用 REST 接口时，服务器会检查该值，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
    
    在使用服务器提供的 RESTful 或 SOAP 服务时， Content-Type 设置错误会导致服务器拒绝服务

## [Redirect][Redirect 1] ##

urllib2 默认情况下会针对 HTTP 3XX 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，还可以自定义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')

## [Cookie][Cookie 1] ##

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

## [使用 HTTP 的 PUT 和 DELETE 方法][HTTP _ PUT _ DELETE 1] ##

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 PUT 或 DELETE的请求：

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。

## [得到 HTTP 的返回码][HTTP 1] ##

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

## [Debug Log][Debug Log 1] ##

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，方便调试，有时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')

[Python _ urllib2]: http://zhuoqiang.me/python-urllib2-usage.html
[Proxy]: http://zhuoqiang.me/python-urllib2-usage.html#proxy
[Timeout]: http://zhuoqiang.me/python-urllib2-usage.html#timeout
[HTTP Request _ Header]: http://zhuoqiang.me/python-urllib2-usage.html#http-request-header
[Redirect]: http://zhuoqiang.me/python-urllib2-usage.html#redirect
[Cookie]: http://zhuoqiang.me/python-urllib2-usage.html#cookie
[HTTP _ PUT _ DELETE]: http://zhuoqiang.me/python-urllib2-usage.html#http-put-delete
[HTTP]: http://zhuoqiang.me/python-urllib2-usage.html#http
[Debug Log]: http://zhuoqiang.me/python-urllib2-usage.html#debug-log
[Proxy 1]: http://zhuoqiang.me/python-urllib2-usage.html#id1
[Timeout 1]: http://zhuoqiang.me/python-urllib2-usage.html#id2
[HTTP Request _ Header 1]: http://zhuoqiang.me/python-urllib2-usage.html#id3
[Redirect 1]: http://zhuoqiang.me/python-urllib2-usage.html#id4
[Cookie 1]: http://zhuoqiang.me/python-urllib2-usage.html#id5
[HTTP _ PUT _ DELETE 1]: http://zhuoqiang.me/python-urllib2-usage.html#id6
[HTTP 1]: http://zhuoqiang.me/python-urllib2-usage.html#id7
[Debug Log 1]: http://zhuoqiang.me/python-urllib2-usage.html#id8