快捷導(dǎo)航

python33 urllib2使用方法細(xì)節(jié)講解

更新時(shí)間：2013年12月03日 16:06:53 作者：

Python 標(biāo)準(zhǔn)庫中有很多實(shí)用的工具類，這里總結(jié)一些 urllib2 的使用細(xì)節(jié)：Proxy 的設(shè)置、Timeout 設(shè)置、在 HTTP Request 中加入特定的、Cookie、使用 HTTP 的 PUT 和 DELETE 方法

Proxy 的設(shè)置

urllib2 默認(rèn)會(huì)使用環(huán)境變量 http_proxy 來設(shè)置 HTTP Proxy。如果想在程序中明確控制 Proxy 而不受環(huán)境變量的影響，可以使用下面的方式

復(fù)制代碼代碼如下:

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)

這里要注意的一個(gè)細(xì)節(jié)，使用 urllib2.install_opener() 會(huì)設(shè)置 urllib2 的全局 opener 。這樣后面的使用會(huì)很方便，但不能做更細(xì)粒度的控制，比如想在程序中使用兩個(gè)不同的 Proxy 設(shè)置等。比較好的做法是不使用 install_opener 去更改全局的設(shè)置，而只是直接調(diào)用 opener 的 open 方法代替全局的 urlopen 方法。

Timeout 設(shè)置

在老版 Python 中，urllib2 的 API 并沒有暴露 Timeout 的設(shè)置，要設(shè)置 Timeout 值，只能更改 Socket 的全局 Timeout 值。

復(fù)制代碼代碼如下:

import urllib2
import socket

socket.setdefaulttimeout(10) # 10 秒鐘后超時(shí)
urllib2.socket.setdefaulttimeout(10) # 另一種方式

在 Python 2.6 以后，超時(shí)可以通過 urllib2.urlopen() 的 timeout 參數(shù)直接設(shè)置。

復(fù)制代碼代碼如下:

import urllib2
response = urllib2.urlopen('http://www.google.com', timeout=10)

在 HTTP Request 中加入特定的 Header

要加入 header，需要使用 Request 對(duì)象：

復(fù)制代碼代碼如下:

import urllib2

request = urllib2.Request(uri)
request.add_header('User-Agent', 'fake-client')
response = urllib2.urlopen(request)

對(duì)有些 header 要特別留意，服務(wù)器會(huì)針對(duì)這些 header 做檢查

User-Agent : 有些服務(wù)器或 Proxy 會(huì)通過該值來判斷是否是瀏覽器發(fā)出的請(qǐng)求

Content-Type : 在使用 REST 接口時(shí)，服務(wù)器會(huì)檢查該值，用來確定 HTTP Body 中的內(nèi)容該怎樣解析。常見的取值有：

application/xml ：在 XML RPC，如 RESTful/SOAP 調(diào)用時(shí)使用
application/json ：在 JSON RPC 調(diào)用時(shí)使用
application/x-www-form-urlencoded ：瀏覽器提交 Web 表單時(shí)使用
在使用服務(wù)器提供的 RESTful 或 SOAP 服務(wù)時(shí)， Content-Type 設(shè)置錯(cuò)誤會(huì)導(dǎo)致服務(wù)器拒絕服務(wù)

Redirect

urllib2 默認(rèn)情況下會(huì)針對(duì) HTTP 3XX 返回碼自動(dòng)進(jìn)行 redirect 動(dòng)作，無需人工配置。要檢測(cè)是否發(fā)生了 redirect 動(dòng)作，只要檢查一下 Response 的 URL 和 Request 的 URL 是否一致就可以了。

復(fù)制代碼代碼如下:

import urllib2
response = urllib2.urlopen('http://www.google.cn')
redirected = response.geturl() == 'http://www.google.cn'

如果不想自動(dòng) redirect，除了使用更低層次的 httplib 庫之外，還可以自定義 HTTPRedirectHandler 類。

復(fù)制代碼代碼如下:

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')

Cookie

urllib2 對(duì) Cookie 的處理也是自動(dòng)的。如果需要得到某個(gè) Cookie 項(xiàng)的值，可以這么做：

復(fù)制代碼代碼如下:

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

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 ，只能使用比較低層的 httplib 庫。雖然如此，我們還是能通過下面的方式，使 urllib2 能夠發(fā)出 PUT 或 DELETE 的請(qǐng)求：

復(fù)制代碼代碼如下:

import urllib2

request = urllib2.Request(uri, data=data)
request.get_method = lambda: 'PUT' # or 'DELETE'
response = urllib2.urlopen(request)

這種做法雖然屬于 Hack 的方式，但實(shí)際使用起來也沒什么問題。

得到 HTTP 的返回碼

對(duì)于 200 OK 來說，只要使用 urlopen 返回的 response 對(duì)象的 getcode() 方法就可以得到 HTTP 的返回碼。但對(duì)其它返回碼來說，urlopen 會(huì)拋出異常。這時(shí)候，就要檢查異常對(duì)象的 code 屬性了：

復(fù)制代碼代碼如下:

import urllib2
try:
    response = urllib2.urlopen('http://www.jb51.ent')
except urllib2.HTTPError, e:
    print e.code
Debug Log

使用 urllib2 時(shí)，可以通過下面的方法把 debug Log 打開，這樣收發(fā)包的內(nèi)容就會(huì)在屏幕上打印出來，方便調(diào)試，有時(shí)可以省去抓包的工作

復(fù)制代碼代碼如下:

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')

您可能感興趣的文章: