您的位置：首页 > 编程语言 > Python开发

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
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)

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。

import
urllib2

import
socket

socket
.setdefaulttimeout
(
10
)
# 10 秒钟后超时

urllib2
.socket
.setdefaulttimeout
(
10
)
# 另一种方式

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。

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)

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
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'

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。

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)

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：

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'
)
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签： 
相关文章推荐
新的分享
章节导航