urllib2的用法

最新推荐文章于 2021-11-25 21:54:43 发布

junli_chen

最新推荐文章于 2021-11-25 21:54:43 发布

阅读量470

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/junli_chen/article/details/51280266

版权

python 专栏收录该内容

82 篇文章 0 订阅

订阅专栏

1.最简单的使用urllib2，将如下所示

import urllib2 
response = urllib2.urlopen('http://python.org/') 
html = response.read()

urllib2的很多应用就是那么简单(记住，除了"http:",URL同样可以使用"ftp:","file:"等等来替代)。

2.urllib2用一个Request对象来映射提出的HTTP请求

HTTP是基于请求和应答机制的--客户端提出请求，服务端提供应答。urllib2用一个Request对象来映射你提出的HTTP请求,在它最简单的使用形式中你将用你要请求的地址创建一个Request对象，通过调用urlopen并传入Request对象，将返回一个相关请求response对象，这个应答对象如同一个文件对象，所以你可以在Response中调用.read()。

import urllib2 
req = urllib2.Request('http://www.pythontab.com') 
response = urllib2.urlopen(req) 
the_page = response.read()

记得urllib2使用相同的接口处理所有的URL头。例如你可以像下面那样创建一个ftp请求。

req = urllib2.Request('ftp://example.com/')

3.发送数据

在HTTP请求时，允许你做额外的两件事。首先是你能够发送data表单数据，其次你能够传送额外的关于数据或发送本身的信息("metadata")到服务器，此数据作为HTTP的"headers"来发送。

接下来让我们看看这些如何发送的吧。

3.1 Data数据

有时候你希望发送一些数据到URL(通常URL与CGI[通用网关接口]脚本，或其他WEB应用程序挂接)。在HTTP中,这个经常使用熟知的POST请求发送。这个通常在你提交一个HTML表单时由你的浏览器来做。

并不是所有的POSTs都来源于表单，你能够使用POST提交任意的数据到你自己的程序。一般的HTML表单，data需要编码成标准形式。然后做为data参数传到Request对象。编码工作使用urllib的函数而非urllib2。

import urllib 
import urllib2 
url = 'http://www.pythontab.com' 
values = {'name' : 'Michael Foord', 
          'location' : 'pythontab', 
          'language' : 'Python' } 
data = urllib.urlencode(values) 
req = urllib2.Request(url, data) 
response = urllib2.urlopen(req) 
the_page = response.read()

3.2 Headers

我们将在这里讨论特定的HTTP头，来说明怎样添加headers到你的HTTP请求。

有一些站点不喜欢被程序（非人为访问）访问，或者发送不同版本的内容到不同的浏览器。默认的urllib2把自己作为“Python-urllib/x.y”(x和y是Python主版本和次版本号,例如Python-urllib/2.5)，

这个身份可能会让站点迷惑，或者干脆不工作。浏览器确认自己身份是通过User-Agent头，当你创建了一个请求对象，你可以给他一个包含头数据的字典。下面的例子发送跟上面一样的内容，但把自身

模拟成Internet Explorer。

import urllib 
import urllib2 
url = 'http://www.pythontab.com' 
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' 
  
values = {'name' : 'Michael Foord', 
          'location' : 'pythontab', 
          'language' : 'Python' } 
headers = { 'User-Agent' : user_agent } 
data = urllib.urlencode(values) 
req = urllib2.Request(url, data, headers) 
response = urllib2.urlopen(req) 
the_page = response.read()

4.Handle Exceptions处理异常

当urlopen不能够处理一个response时，产生urlError（不过通常的Python APIs异常如ValueError,TypeError等也会同时产生）。

HTTPError是urlError的子类，通常在特定HTTP URLs中产生。

4.1.URLError

通常，URLError在没有网络连接(没有路由到特定服务器),或者服务器不存在的情况下产生。这种情况下，异常同样会带有"reason"属性，它是一个tuple，包含了一个错误号和一个错误信息。

例如：

 
 >>> req  
 =  
 urllib2.Request( 
 'http://www.pythontab.com' 
 )  

 
 >>>  
 try 
 : urllib2.urlopen(req)  

 
 >>>  
 except  
 URLError, e:  

 
 >>>     
 print  
 e.reason  

 
 >>> (4, 'getaddrinfo failed')  

4.2 HTTPError

服务器上每一个HTTP 应答对象response包含一个数字"状态码"。有时状态码指出服务器无法完成请求。默认的处理器会为你处理一部分这种应答(例如:假如response是一个"重定向"，需要客户端从别的地址获取文档，urllib2将为你处理)。其他不能处理的，urlopen会产生一个HTTPError。典型的错误包含"404"(页面无法找到)，"403"(请求禁止)，和"401"(带验证请求)。

 
 >>> req  
 =  
 urllib2.Request( 
 'http://www.python.org/fish.html' 
 )  

 
 >>>  
 try 
 :  

 
 >>>     urllib2.urlopen(req)  

 
 >>>  
 except  
 URLError, e:  

 
 >>>      
 print  
 e.code  

 
 >>>      
 print  
 e.read()  

>>>

 
  404  
 
  <!DOCTYPE html PUBLIC  
  "-//W3C//DTD HTML 4.01 Transitional//EN"  
 
  "http://www.w3.org/TR/html4/loose.dtd" 
  >  
 
  <?xml-stylesheet href= 
  "./css/ht2html.css"  
 
  type 
  = 
  "text/css" 
  ?>  
 
  <html>< 
  head 
  ><title>Error 404: File Not Found< 
  /title 
  >  
 
  ...... etc... 
 
 5.Wrapping it Up包装 所以如果你想为HTTPError或URLError做准备，将有两个基本的办法。我则比较喜欢第二种。
 第一个：
 
       from  
       urllib2  
       import  
       Request, urlopen, URLError, HTTPError  
      
       req  
       =  
       Request(someurl)  
      
       try 
       :  
      
       response  
       =  
       urlopen(req)  
      
       except  
       HTTPError, e:  
      
       print  
       'The server couldn/' 
       t fulfill the request.'  
      
       print  
       'Error code: ' 
       , e.code  
      
       except  
       URLError, e:  
      
       print  
       'We failed to reach a server.'  
      
       print  
       'Reason: ' 
       , e.reason  
      
       else 
       :  
      
       # everything is fine 
      
 注意：except HTTPError 必须在第一个，否则except URLError将同样接受到HTTPError。 
 第二个：
 
       from  
       urllib2  
       import  
       Request, urlopen, URLError  
      
       req  
       =  
       Request(someurl)  
      
       try 
       :  
      
       response  
       =  
       urlopen(req)  
      
       except  
       URLError, e:  
      
       if  
       hasattr 
       (e,  
       'reason' 
       ):  
      
       print  
       'We failed to reach a server.'  
      
       print  
       'Reason: ' 
       , e.reason  
      
       elif  
       hasattr 
       (e,  
       'code' 
       ):  
      
       print  
       'The server couldn/' 
       t fulfill the request.'  
      
       print  
       'Error code: ' 
       , e.code  
      
       else 
       :  
      
       # everything is fine