python2 urllib模块_python urllib2模块

与urllib的区别

Python的urllib和urllib2模块都做与请求URL相关的操作;

3.x的版本urllib与urllib2已经合并为一个urllib库;

2.7的版本urllib与urllib2各有各的作用,urllib与urllib2并不是可以代替的,2是1的补充;

以下适用于版本2.7。

概述

urllib2模块定义的函数和类可用来获取URL(主要是HTTP的),它提供一些复杂的接口用于处理基本认证、重定向、Cookies等。

urllib2 可以接受一个Request对象,并以此可设置一个URL的headers(urllib只接收一个URL,这意味着你不能伪装你的用户代理字符串等)。

urllib2支持许多的“URL schemes”,“URL schemes”由URL中“:”之前的字符串确定,如“ftp://python.org/”是“FTP”的URL方案之一;他还支持相关的网络协议(如FTP,HTTP)。

常用方法和类

urllib2.urlopen(url, data, timeout)

作用:

打开URL网址

参数解释:

url:可以是一个字符串URL或者是一个Request对象。Request对象和data在request类中说明,定义都是一样的;

data:可省略;

timeout:可省略,阻塞操作,以秒为单位,尝试连接,如果没有指定,将使用设置的全局默认timeout值。实际上这仅适用于HTTP,HTTPS和FTP连接;

举例:

import urllib2

response = urllib2.urlopen('http://python.org/') #调用urlopen函数对请求的url返回一个response对象,这个response类似于一个file对象

html = response.read() #用.read()函数可以操作这个response对象

import urllib2

req = urllib2.Request('http://python.org/') #通过URL实例化了Request类的对象

response = urllib2.urlopen(req)

the_page = response.read()

urllib2.Request(url, data, headers, origin_req_host, unverifiable)

作用:

Request类是一个抽象的URL请求

参数解释:

url:是一个字符串,其中包含一个有效的URL。

data:可省略,是一个字符串,指定额外的数据发送到服务器,如果没有data需要发送可以为“None”。目前使用data的HTTP请求是唯一的。当请求含有data参数时,HTTP的请求为POST,而不是GET。数据应该是缓存在一个标准的application/x-www-form-urlencoded格式中。urllib.urlencode()函数用映射或2元组,返回一个这种格式的字符串。

通俗的说就是,如果想向一个URL发送数据(通常这些数据是代表一些CGI脚本或者其他的web应用),对于HTTP来说这动作叫Post。例如在网上填form(表单)时,浏览器会POST表单的内容,这些数据需要被以标准的格式编码(encode),然后作为一个数据参数传送给Request对象。Encoding是在urlib模块中完成的,而不是在urlib2中完成的。下面是个例子:

import urllib

import urllib2

url = 'http://www.someserver.com/cgi-bin/register.cgi'

values = {'name' : 'Michael Foord',

'location' : 'Northampton',

'language' : 'Python' }

data = urllib.urlencode(values)

req = urllib2.Request(url, data)

response = urllib2.urlopen(req)

the_page = response.read()

headers:可省略,是字典类型。作为辨别浏览器身份的User-Agent,header是经常被用来恶搞和伪装的,因为一些HTTP服务只允许某些请求来自常见的浏览器而不是脚本,或是针对不同的浏览器返回不同的版本。例如,Mozilla Firefox浏览器被识别为“Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11”。默认情况下,urlib2把自己识别为Python-urllib/x.y(这里的xy是python发行版的主要或次要的版本号,如在Python 2.6中,urllib2的默认用户代理字符串是“Python-urllib/2.6)。

标准的headers组成是(Content-Length, Content-Type and Host),可以在生成Request对象之前初始化header,作为参数在request时直接传入:

import urllib

import urllib2

url = 'http://www.someserver.com/cgi-bin/register.cgi'

user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'

values = {'name' : 'Michael Foord',

'location' : 'Northampton',

'language' : 'Python' }

headers = { 'User-Agent' : user_agent } #模仿IE浏览器提交请求

data = urllib.urlencode(values)

req = urllib2.Request(url, data, headers)

response = urllib2.urlopen(req)

the_page = response.read()

也可以把每个键和值作为参数,调用add_header(key, val)方法附加header:

import urllib2

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

req.add_header('Referer', 'http://www.python.org/')

r = urllib2.urlopen(req)

或者OpenerDirector.open()时加入:

import urllib2

opener = urllib2.build_opener() #urllib2.build_opener会返回一个OpenerDirector对象,OpenerDirector为每一个Request自动加上一个User-Agent header

opener.addheaders = [('User-agent', 'Mozilla/5.0')]

opener.open('http://www.example.com/')

origin_req_host:可省略,是RFC2965定义的源交互的request-host。默认的取值是cookielib.request_host(self)。这是由用户发起的原始请求的主机名或IP地址。例如,如果请求的是一个HTML文档中的图像,这应该是包含该图像的页面请求的request-host。

unverifiable:可省略,代表请求是否是无法验证的,它也是由RFC2965定义的。默认值为false。一个无法验证的请求是,其用户的URL没有足够的权限来被接受。例如,如果请求的是在HTML文档中的图像,但是用户没有自动抓取图像的权限,unverifiable的值就应该是true。

urllib2.build_opener([handler, ...])

作用:

创建opener对象的函数,实例化会得到OpenerDirector对象,默认会加入许多handlers,它提供了一个快速的方法添加更多东西和使默认的handler失效,从而生成自定义opener。

参数解释:

handlers:可以被BaseHandler或他的子类实例化,子类中可以通过以下实例化:ProxyHandler (如果检测代理设置用), UnknownHandler, HTTPHandler, HTTPDefaultErrorHandler, HTTPRedirectHandler, FTPHandler, FileHandler, HTTPErrorProcessor。

urllib2.install_opener(opener)

作用:

install_opener实例化会得到OpenerDirector 对象,用来赋予全局变量opener。

参数解释:

创建openers时如果想要安装特别的handlers来实现获取url的话,可以先实例一个OpenerDirector对象,然后多次调用.add_handler(some_handler_instance)来创建opener。

正常情况下程序一直通过urlopen使用默认的opener对象,使用install_opener后再调用urlopen,将会用到新创建的自定义的openers,这样可以让每一个handler知道以哪种协议打开url、如何处理打开url发生的HTTP重定向等。

举例:

import urllib2

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

opener=urllib2.build_opener()

urllib2.install_opener(opener) #设置 urllib2 的全局 opener

f = opener.open(req)

f = urllib2.urlopen(req)

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值