Python库urllib2详解

       先来一段urllib2的概念：

        urllib2是Python的一个获取URLs(Uniform Resource Locators)的组件。他以urlopen函数的形式提供了一个非常简单的接口，这是具有利用不同协议获取URLs的能力，他同样提供了一个比较复杂的接口来处理一般情况，例如：基础验证，cookies,代理和其他。它们通过handlers和openers的对象提供。

        urllib2支持获取不同格式的URLs(在URL的":"前定义的字串,例如："ftp"是"ftp:python.ort/"的前缀),它们利用它们相关网络协议(例如FTP,HTTP)进行获取。

         关于urllib2使用的请求方式：
    从下面的代码中可以看到，如果
urllib2.Request()包含data，则是POST请求，如果不包含，则GET请求

    def get_method(self):
        if self.has_data():
            return "POST"
        else:
            return "GET"

         关于urllib和urllib2的区别：

      urllib2可以接受一个Request类的实例来设置URL请求的headers，urllib仅可以接受URL。这意味着，你不可以通过urllib模块伪装你的User Agent字符串等（伪装浏览器）。
    urllib提供urlencode方法用来GET查询字符串的产生，而urllib2没有。这是为何urllib常和urllib2一起使用的原因。
    urllib2模块比较优势的地方是urlliburllib2.urlopen可以接受Request对象作为参数，从而可以控制HTTP Request的header部。
    但是urllib.urlretrieve函数以及urllib.quote等一系列quote和unquote功能没有被加入urllib2中，因此有时也需要urllib的辅助。

    

       再看看如何使用：

         1、请求

import urllib2
response = urllib2.urlopen("http://www.easemob.com")
print(response.read())

         2、Request

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

         3、发送Data数据

POST：

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)
print response.read()
GET：
import urllib2
import urllib
url = "http://www.pythontab.com"
data = {
    'name' : 'Michael Foord',
    'location' : 'pythontab',
    'language' : 'Python'
}
values = urllib.urlencode(data)
print values
print data
get_url = url + "?" + values
print get_url
response = urllib2.urlopen(get_url)
print(response.read())
示例：
调用环信获取用户详情的rest接口
1、
import urllib2
url = "https://a1.easemob.com/hx/hxdemo2/users/sc1"
req = urllib2.Request(url)
req.add_header("Authorization", "Bearer YWMt1QzAUj-rEeeQB38UV1PBJAAAAAAAAAAAAAAAAAAAAAGfpJKgQLER5bG5p2sF2mkEAgMAAAFcNRaRSgBPGgA4XNMARsTn5YTIJt7XdzA98enyO6x9XiS18tUq8MSmMw")
req.add_header("Content-Type", "application/json")
response = urllib2.urlopen(req)
print(response.read())
2、
import urllib2
url = "https://a1.easemob.com/hx/hxdemo2/users/sc1"
headers = {
    'Authorization' : 'Bearer YWMt1QzAUj-rEeeQB38UV1PBJAAAAAAAAAAAAAAAAAAAAAGfpJKgQLER5bG5p2sF2mkEAgMAAAFcNRaRSgBPGgA4XNMARsTn5YTIJt7XdzA98enyO6x9XiS18tUq8MSmMw',
    'Content-Type' : 'application/json'
}
req = urllib2.Request(url, headers=headers)
response = urllib2.urlopen(req)
print(response.read())
Headers：

 
 

  
  
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()
  
  
URLError:
  
  
调用环信获取用户详情的rest接口捕捉error，返回error的原因是scxxxxx这个用户不存在，返回404
  
  

  
  
import urllib2
url = "https://a1.easemob.com/hx/hxdemo2/users/scxxxxx"
headers = {
    'Authorization' : 'Bearer YWMt1QzAUj-rEeeQB38UV1PBJAAAAAAAAAAAAAAAAAAAAAGfpJKgQLER5bG5p2sF2mkEAgMAAAFcNRaRSgBPGgA4XNMARsTn5YTIJt7XdzA98enyO6x9XiS18tUq8MSmMw',
    'Content-Type' : 'application/json'
}
req = urllib2.Request(url, headers=headers)
try:
    response = urllib2.urlopen(req)
    print(response.read())
except urllib2.URLError, e:
    print e.code
    print e.reason
    print e.read()
  
  
info和geturl
  
  

 
 
urlopen返回的应答对象response(或者HTTPError实例)有两个很有用的方法info()和geturl()
geturl -- 这个返回获取的真实的URL，这个很有用，因为urlopen(或者opener对象使用的)或许
会有重定向。获取的URL或许跟请求URL不同。
info -- 这个返回对象的字典对象，该字典描述了获取的页面情况。通常是服务器发送的特定头headers。目前是httplib.HTTPMessage 实例。
经典的headers包含"Content-length"，"Content-type"，和其他。查看Quick Reference to HTTP Headers(http://www.cs.tut.fi/~jkorpela/http.html)获取有用的HTTP头列表，以及它们的解释意义。

分割线
——————————————————————————————————————————————————————————————————
下面是copy过来的资料，先存着，后续再细看

Openers和Handlers
当你获取一个URL你使用一个opener(一个urllib2.OpenerDirector的实例，urllib2.OpenerDirector可能名字可能有点让人混淆。)正常情况下，我们使用默认opener -- 通过urlopen,但你能够创建个性的openers，Openers使用处理器handlers，所有的“繁重”工作由handlers处理。每个handlers知道如何通过特定协议打开URLs，或者如何处理URL打开时的各个方面，例如HTTP重定向或者HTTP cookies。
如果你希望用特定处理器获取URLs你会想创建一个openers，例如获取一个能处理cookie的opener，或者获取一个不重定向的opener。
要创建一个 opener,实例化一个OpenerDirector，然后调用不断调用.add_handler(some_handler_instance).
同样，可以使用build_opener，这是一个更加方便的函数，用来创建opener对象，他只需要一次函数调用。
build_opener默认添加几个处理器，但提供快捷的方法来添加或更新默认处理器。
其他的处理器handlers你或许会希望处理代理，验证，和其他常用但有点特殊的情况。
install_opener 用来创建（全局）默认opener。这个表示调用urlopen将使用你安装的opener。
Opener对象有一个open方法，该方法可以像urlopen函数那样直接用来获取urls：通常不必调用install_opener，除了为了方便。

Basic Authentication 基本验证
为了展示创建和安装一个handler，我们将使用HTTPBasicAuthHandler，为了更加细节的描述本主题--包含一个基础验证的工作原理。
请看Basic Authentication Tutorial（http://www.voidspace.org.uk/python/articles/authentication.shtml）
当需要基础验证时，服务器发送一个header(401错误码) 请求验证。这个指定了scheme 和一个‘realm’，看起来像这样：Www-authenticate: SCHEME realm="REALM".
例如
Www-authenticate: Basic realm="cPanel Users"
客户端必须使用新的请求，并在请求头里包含正确的姓名和密码。这是“基础验证”，为了简化这个过程，我们可以创建一个HTTPBasicAuthHandler的实例，并让opener使用这个handler。
HTTPBasicAuthHandler使用一个密码管理的对象来处理URLs和realms来映射用户名和密码。如果你知道realm(从服务器发送来的头里)是什么，你就能使用HTTPPasswordMgr。
通常人们不关心realm是什么。那样的话，就能用方便的HTTPPasswordMgrWithDefaultRealm。这个将在你为URL指定一个默认的用户名和密码。这将在你为特定realm提供一个其他组合时得到提供。我们通过给realm参数指定None提供给add_password来指示这种情况。
最高层次的URL是第一个要求验证的URL。你传给.add_password()更深层次的URLs将同样合适。
# 创建一个密码管理者 
password_mgr = urllib2.HTTPPasswordMgrWithDefaultRealm() 
# 添加用户名和密码 
# 如果知道 realm, 我们可以使用他代替 ``None``. 
top_level_url = "http://example.com/foo/" 
password_mgr.add_password(None, top_level_url, username, password) 
handler = urllib2.HTTPBasicAuthHandler(password_mgr) 
# 创建 "opener" (OpenerDirector 实例) 
opener = urllib2.build_opener(handler) 
# 使用 opener 获取一个URL 
opener.open(a_url) 
# 安装 opener. 
# 现在所有调用 urllib2.urlopen 将用我们的 opener. 
urllib2.install_opener(opener)
注意：以上的例子我们仅仅提供我们的HHTPBasicAuthHandler给build_opener。默认的openers有正常状况的handlers--ProxyHandler,UnknownHandler,HTTPHandler,HTTPDefaultErrorHandler, HTTPRedirectHandler, FTPHandler, FileHandler, HTTPErrorProcessor。
top_level_url 实际上可以是完整URL(包含"http:",以及主机名及可选的端口号)例如：http://example.com/，也可以是一个“authority”(即主机名和可选的包含端口号)例如：“example.com” or “example.com:8080”(后者包含了端口号)。权限验证，如果递交的话不能包含"用户信息"部分,例如:“joe@password:example.com”是错误的。
Proxies代理urllib 将自动监测你的代理设置并使用他们。这个通过ProxyHandler这个在正常处理器链中的对象来处理。通常，那工作的很好。但有时不起作用。其中一个方法便是安装我们自己的代理处理器ProxyHandler，并不定义代理。这个跟使用Basic Authentication 处理器很相似。
>>> proxy_support = urllib.request.ProxyHandler({}) 
>>> opener = urllib.request.build_opener(proxy_support) 
>>> urllib.request.install_opener(opener)
注意：
此时urllib.request不支持通过代理获取https地址。但，这个可以通过扩展urllib.request达到目的。

Sockets and Layers
Python支持获取网络资源是分层结构。urllib 使用http.client库，再调用socket库实现。
在Python2.3你可以指定socket的等待回应超时时间。这个在需要获取网页的应用程序里很有用。默认的socket模型没有超时和挂起。现在，socket超时没有暴露给http.client或者urllib.request层。但你可以给所有的sockets设置全局的超时。