python urllib2详解及实例

urllib2是Python的一个获取URLs(UniformResourceLocators)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。这篇教程关注最广泛的应用--HTTP。

对于简单的应用，urlopen是非常容易使用的。但当你在打开HTTP的URLs时遇到错误或异常，你将需要一些超文本传输协议(HTTP)的理解。

最权威的HTTP文档当然是RFC2616(http://rfc.net/rfc2616.html)。这是一个技术文档，所以并不易于阅读。这篇HOWTO教程的目的是展现如何使用urllib2,

并提供足够的HTTP细节来帮助你理解。他并不是urllib2的文档说明，而是起一个辅助作用。

获取URLs

最简单的使用urllib2

代码实例：

1 2 3

importurllib2 response=urllib2.urlopen('http://python.org/') html=response.read()

urllib2的很多应用就是那么简单(记住，除了"http:",URL同样可以使用"ftp:","file:"等等来替代)。但这篇文章是教授HTTP的更复杂的应用。

HTTP是基于请求和应答机制的--客户端提出请求，服务端提供应答。urllib2用一个Request对象来映射你提出的HTTP请求,在它最简单的使用形式中你将用你要请求的地址创建一个Request对象，通过调用urlopen并传入Request对象，将返回一个相关请求response对象，这个应答对象如同一个文件对象，所以你可以在Response中调用.read()。

1 2 3 4

importurllib2 req=urllib2.Request('http://www.pythontab.com') response=urllib2.urlopen(req) the_page=response.read()

记得urllib2使用相同的接口处理所有的URL头。例如你可以像下面那样创建一个ftp请求。

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

在HTTP请求时，允许你做额外的两件事。首先是你能够发送data表单数据，其次你能够传送额外的关于数据或发送本身的信息("metadata")到服务器，此数据作为HTTP的"headers"来发送。

接下来让我们看看这些如何发送的吧。

Data数据

有时候你希望发送一些数据到URL(通常URL与CGI[通用网关接口]脚本，或其他WEB应用程序挂接)。在HTTP中,这个经常使用熟知的POST请求发送。这个通常在你提交一个HTML表单时由你的浏览器来做。

并不是所有的POSTs都来源于表单，你能够使用POST提交任意的数据到你自己的程序。一般的HTML表单，data需要编码成标准形式。然后做为data参数传到Request对象。编码工作使用urllib的函数而非urllib2。

代码实例：

1 2 3 4 5 6 7 8 9 10

importurllib importurllib2 url='http://www.pythontab.com' values={'name':'MichaelFoord', 'location':'pythontab', 'language':'Python'} data=urllib.urlencode(values) req=urllib2.Request(url,data) response=urllib2.urlopen(req) the_page=response.read()

记住有时需要别的编码(例如从HTML上传文件--看http://www.w3.org/TR/REC-html40/interact/forms.html#h-17.13HTMLSpecification,FormSubmission的详细说明)。

如ugoni没有传送data参数，urllib2使用GET方式的请求。GET和POST请求的不同之处是POST请求通常有"副作用"，它们会由于某种途径改变系统状态(例如提交成堆垃圾到你的门口)。

尽管HTTP标准说的很清楚POSTs通常会产生副作用，GET请求不会产生副作用，但没有什么可以阻止GET请求产生副作用，同样POST请求也可能不产生副作用。Data同样可以通过在Get请求的URL本身上面编码来传送。

代码实例：

1 2 3 4 5 6 7 8 9 10 11 12

>>>importurllib2 >>>importurllib >>>data={} >>>data['name']='SomebodyHere' >>>data['location']='pythontab' >>>data['language']='Python' >>>url_values=urllib.urlencode(data) >>>printurl_values name=blueelwang+Here&language=Python&location=pythontab >>>url='http://www.pythontab.com' >>>full_url=url+'?'+url_values >>>data=urllib2.open(full_url)

Headers

我们将在这里讨论特定的HTTP头，来说明怎样添加headers到你的HTTP请求。

有一些站点不喜欢被程序（非人为访问）访问，或者发送不同版本的内容到不同的浏览器。默认的urllib2把自己作为“Python-urllib/x.y”(x和y是Python主版本和次版本号,例如Python-urllib/2.5)，这个身份可能会让站点迷惑，或者干脆不工作。浏览器确认自己身份是通过User-Agent头，当你创建了一个请求对象，你可以给他一个包含头数据的字典。下面的例子发送跟上面一样的内容，但把自身

模拟成InternetExplorer。

1 2 3 4 5 6 7 8 9 10 11 12 13

importurllib importurllib2 url='http://www.pythontab.com' user_agent='Mozilla/4.0(compatible;MSIE5.5;WindowsNT)' values={'name':'MichaelFoord', '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()

response应答对象同样有两个很有用的方法。看下面的节infoandgeturl，我们将看到当发生错误时会发生什么。