Python 标准库 urllib2 的使用细节
2011-04-08 14:04
615 查看
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
2 Timeout 设置
3 在 HTTP Request 中加入特定的 Header
4 Redirect
5 Cookie
6 使用 HTTP 的 PUT 和 DELETE 方法
7 得到 HTTP 的返回码
8 Debug Log
1
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
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
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。
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。
3
要加入 Header,需要使用 Request 对象:
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
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。
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。
5
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:
6
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:
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
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:
8
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 Proxy 的设置
2 Timeout 设置
3 在 HTTP Request 中加入特定的 Header
4 Redirect
5 Cookie
6 使用 HTTP 的 PUT 和 DELETE 方法
7 得到 HTTP 的返回码
8 Debug Log
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import urllib2 enable_proxy = True proxy_handler = urllib2 .ProxyHandler ( { "http" : 'http://some-proxy.com:8080' } ) null_proxy_handler = urllib2 .ProxyHandler ( { } ) if enable_proxy: opener = urllib2 .build_opener ( proxy_handler) else : opener = urllib2 .build_opener ( null_proxy_handler) urllib2 .install_opener ( opener) |
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。import urllib2 import socket socket .setdefaulttimeout ( 10 ) # 10 秒钟后超时 urllib2 .socket .setdefaulttimeout ( 10 ) # 另一种方式 |
import urllib2 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:import urllib2 request = urllib2 .Request ( uri) request.add_header ( 'User-Agent' , 'fake-client' ) response = urllib2 .urlopen ( request) |
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。import urllib2 response = urllib2 .urlopen ( 'http://www.google.cn' ) redirected = response.geturl ( ) == 'http://www.google.cn' |
import urllib2 class RedirectHandler( urllib2 .HTTPRedirectHandler ) : def http_error_301( self , req, fp, code , msg, headers) : pass def http_error_302( self , req, fp, code , msg, headers) : pass opener = urllib2 .build_opener ( RedirectHandler) 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:import urllib2 import cookielib cookie = cookielib .CookieJar ( ) opener = urllib2 .build_opener ( urllib2 .HTTPCookieProcessor ( cookie) ) response = opener.open ( 'http://www.google.com' ) for item in cookie: if item.name == 'some_cookie_item_name' : 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:
import urllib2 request = urllib2 .Request ( uri, data=data) request.get_method = lambda : 'PUT' # or 'DELETE' response = urllib2 .urlopen ( request) |
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:import urllib2 try : response = urllib2 .urlopen ( 'http://restrict.web.com' ) except urllib2 .HTTPError , e: 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。import urllib2 httpHandler = urllib2 .HTTPHandler ( debuglevel=1 ) httpsHandler = urllib2 .HTTPSHandler ( debuglevel=1 ) opener = urllib2 .build_opener ( httpHandler, httpsHandler) urllib2 .install_opener ( opener) response = urllib2 .urlopen ( 'http://www.google.com' )
相关文章推荐
- 【ZZ】Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- [转载]Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- [Python2.x] 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- 道可叨 | Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节(2.6版本)
- 【Python】Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节
- Python 标准库 urllib2 的使用细节(Redirect,cookie,http返回码等)
- 【转】Python 标准库 urllib2 的使用细节