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()
data={"name":"hank", "passwd":"hjz"}
urllib2.urlopen(url, urllib.urlencode(data))
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)
cj = cookielib.CookieJar() #在内存中加载cookie
cookie = cookielib.LWPCookieJar() #在硬盘中存储cookie
opener = urllib2.build_opener(cjhandler)
urllib2.install_opener(opener)
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)
proxy_support = urllib2.ProxyHandler({"http":"http://1.2.3.4:3128/"})
opener = urllib2.build_opener(proxy_support)
urllib2.install_opener(opener)
socket.setdefaulttimeout(5)
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
1 | import urllib2 |
2 | enable_proxy = True |
3 | proxy_handler = urllib2.ProxyHandler({ "http" : 'http://some-proxy.com:8080' }) |
4 | null_proxy_handler = urllib2.ProxyHandler({}) |
5 | if enable_proxy: |
6 | opener = urllib2.build_opener(proxy_handler) |
7 | else : |
8 | opener = urllib2.build_opener(null_proxy_handler) urllib2.install_opener(opener) |
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。
1 | import urllib2 |
2 | import socket |
3 |
4 | socket.setdefaulttimeout( 10 ) # 10 秒钟后超时 |
5 | 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。
1 | import urllib2 |
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,需要使用 Request 对象:
1 | import urllib2 |
2 | |
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 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。
1 | import urllib2 |
2 |
3 | response = urllib2.urlopen( 'http://www.google.cn' ) |
4 | whether_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。
01 | import urllib2 |
02 |
03 | class RedirectHandler(urllib2.HTTPRedirectHandler): |
04 | def http_error_301( self , req, fp, code, msg, headers): |
05 | pass |
06 | def http_error_302( self , req, fp, code, msg, headers): |
07 | pass |
08 |
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。如果需要得到某个 Cookie 项的值,可以这么做:
1 | import urllib2 |
2 | import cookielib |
3 |
4 | cookie = cookielib.CookieJar() |
5 | opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)) response = opener. open ( 'http://www.google.com' ) |
6 | for item in cookie: |
7 | if item.name = = 'some_cookie_item_name' : |
8 | 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:
1 | import urllib2 |
2 |
3 | request = urllib2.Request(uri, data = data) |
4 | request.get_method = lambda : 'PUT' # or 'DELETE' |
5 | 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:
1 | import urllib2 |
2 | try : |
3 | response = urllib2.urlopen( 'http://restrict.web.com' ) |
4 | except urllib2.HTTPError, e: |
5 | 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。
1 | import urllib2 |
2 | |
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' ) |