现在的位置: 主页 > 在线留言 > 文章列表

python的urllib2包基本使用方法

作者:北京东方雨泽科技有限公司 来源:www.dfyz6789.com 发布时间:2017-09-07 13:26:26
 

python的urllib2包基本使用方法 1. urllib2.urlopen(request)

url = "" #url还可以是其他协议的路径,比如ftp values = {'name' : 'Michael Foord', 'location' : 'Northampton', language' : 'Python' } data = urllib.urlencode(values) user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' headers = { 'User-Agent' : user_agent } request = urllib2.Request(url, data, headers) #也可以这样设置header:request.add_header('User-Agent', 'fake-client') response = urllib2.urlopen(request) html = response.read()

就是这样,其实urllib2的urlopen()方法是打开一个url的最基本的使用方法,需要传入一个参数request,其实就是常见的Request对象,其中可以包含url,data(向服务器传输数据,比如常见的form表单数据),还有设置header参数(有些服务器会拒绝未包含header的机器人请求)。

最后获取的网页需要使用response对象的read()方法来读取,否则只能得到一个对象的内存地址。

2.创建Opener对象以实现Cookie与其它HTTP功能

2.1 cookie处理

urlopen()函数不支持 验证、cookie 或 其他HTTP高级功能。要支持这些功能,必须使用build_opener()函数来创建自己的自定义Opener对象。

wKioL1XtiQjw-nqFAAPvAuCjDDk019.jpg

如果要管理HTTP cookie,需要创建添加了HTTPCookieProcessor处理程序的opener对象。默认情况下。HTTPCookieProcessor使用CookieJar对象,将不同类型的CookieJar对象作为HTTPCookieProcessor的参数提供,可支持不同的cookie处理。

mcj=cookielib.MozillaCookieJar("cookies.txt") cookiehand=HTTPCookieProcessor(mcj) opener=urllib2.build_opener(cookiehand) u=opener.open()

2.2 认证

password_mgr = urllib2.HTTPPasswordMgrWithDefaultRealm() top_level_url = "" password_mgr.add_password(None, top_level_url, username, password) handler = urllib2.HTTPBasicAuthHandler(password_mgr) opener = urllib2.build_opener(handler) urllib2.install_opener(opener)

2.3 代理

urllib2会自动检测代理设置,默认使用环境变量http_proxy 来设置 HTTP Proxy。如果想在程序中明确Proxy的使用而不受环境变量的影响,可以通过创建ProxyHandler实例,并将实例作为build_opener()的参数来实现。

import urllib2 enable_proxy = True proxy_handler = urllib2.ProxyHandler({"http" : ':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。

2.4 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。

importurllib2 importsocket 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。

importurllib2 response = urllib2.urlopen('', timeout=10)

2.5 设置Header

在urlopen()基本用法中有提基本的用法:

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

也可以在生成了request对象之后设置

importurllib2 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。

2.6 Redirect重定向

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。

importurllib2 response =urllib2.urlopen('') whether_redirected = response.geturl() == ''

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。

importurllib2 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('')

2.7 使用 HTTP 的 PUT 和 DELETE 方法

企业建站2800元起,携手武汉肥猫科技,做一个有见地的颜值派!更多优惠请戳:武汉网站建设 http://wuhan.45qun.com

  • 上一篇:用户研究之道:谈谈用户的七个弱点
  • 下一篇:最后一页
  •