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
3 | proxy_handler = urllib2.ProxyHandler({ "http" : 'http://some-proxy.com:8080' }) |
4 | null_proxy_handler = urllib2.ProxyHandler({}) |
6 | opener = urllib2.build_opener(proxy_handler) |
8 | 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。
4 | socket.setdefaulttimeout( 10 ) |
5 | urllib2.socket.setdefaulttimeout( 10 ) |
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。
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:
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
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。
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。
03 | class RedirectHandler(urllib2.HTTPRedirectHandler): |
04 | def http_error_301( self , req, fp, code, msg, headers): |
06 | def http_error_302( self , req, fp, code, msg, headers): |
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:
4 | cookie = cookielib.CookieJar() |
5 | opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)) response = opener. open ( 'http://www.google.com' ) |
7 | if item.name = = 'some_cookie_item_name' : |
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:
3 | request = urllib2.Request(uri, data = data) |
4 | request.get_method = lambda : 'PUT' |
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:
3 | response = urllib2.urlopen( 'http://restrict.web.com' ) |
4 | except urllib2.HTTPError, e: |
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。
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' ) |