urllib2是Python的一個獲取URLs(Uniform Resource Locators)的元件。他以urlopen函式的形式提供了一個非常簡單的介面，這是具有利用不同協議獲取URLs的能力，他同樣提供了一個比較複雜的介面來處理一般情況，例如：基礎驗證，cookies,代理和其他。它們透過handlers和openers的物件提供。
urllib2支援獲取不同格式的URLs(在URL的":"前定義的字串,例如："ftp"是"ftp:python.ort/"的字首),它們利用它們相關網路協議(例如FTP,HTTP)進行獲取。這篇教程關注最廣泛的應用--HTTP。
對於簡單的應用，urlopen是非常容易使用的。但當你在開啟HTTP的URLs時遇到錯誤或異常，你將需要一些超文字傳輸協議(HTTP)的理解。
最權威的HTTP文件當然是RFC 2616(http://rfc.net/rfc2616.html)。這是一個技術文件，所以並不易於閱讀。這篇HOWTO教程的目的是展現如何使用urllib2,
並提供足夠的HTTP細節來幫助你理解。他並不是urllib2的文件說明，而是起一個輔助作用。
獲取 URLs
最簡單的使用urllib2
程式碼例項：
import urllib2
response = urllib2.urlopen('http://python.org/')
html = response.read()urllib2的很多應用就是那麼簡單(記住，除了"http:",URL同樣可以使用"ftp:","file:"等等來替代)。但這篇文章是教授HTTP的更復雜的應用。
HTTP是基於請求和應答機制的--客戶端提出請求，服務端提供應答。urllib2用一個Request物件來對映你提出的HTTP請求,在它最簡單的使用形式中你將用你要請求的地址建立一個Request物件，透過呼叫urlopen並傳入Request物件，將返回一個相關請求response物件，這個應答物件如同一個檔案物件，所以你可以在Response中呼叫.read()。
import urllib2
req = urllib2.Request('http://www.pythontab.com')
response = urllib2.urlopen(req)
the_page = response.read()記得urllib2使用相同的介面處理所有的URL頭。例如你可以像下面那樣建立一個ftp請求。
req = urllib2.Request('ftp://example.com/')
在HTTP請求時，允許你做額外的兩件事。首先是你能夠傳送data表單資料，其次你能夠傳送額外的關於資料或傳送本身的資訊("metadata")到伺服器，此資料作為HTTP的"headers"來傳送。
接下來讓我們看看這些如何傳送的吧。
Data資料
有時候你希望傳送一些資料到URL(通常URL與CGI[通用閘道器介面]指令碼，或其他WEB應用程式掛接)。在HTTP中,這個經常使用熟知的POST請求傳送。這個通常在你提交一個HTML表單時由你的瀏覽器來做。
並不是所有的POSTs都來源於表單，你能夠使用POST提交任意的資料到你自己的程式。一般的HTML表單，data需要編碼成標準形式。然後做為data引數傳到Request物件。編碼工作使用urllib的函式而非urllib2。
程式碼例項：
import urllib
import urllib2
url = 'http://www.pythontab.com'
values = {'name' : 'Michael Foord',
'location' : 'pythontab',
'language' : 'Python' }
data = urllib.urlencode(values)
req = urllib2.Request(url, data)
response = urllib2.urlopen(req)
the_page = response.read()記住有時需要別的編碼(例如從HTML上傳檔案--看http://www.w3.org/TR/REC-html40/interact/forms.html#h-17.13 HTML Specification, Form Submission的詳細說明)。
如ugoni沒有傳送data引數，urllib2使用GET方式的請求。GET和POST請求的不同之處是POST請求通常有"副作用"，它們會由於某種途徑改變系統狀態(例如提交成堆垃圾到你的門口)。
儘管HTTP標準說的很清楚POSTs通常會產生副作用，GET請求不會產生副作用，但沒有什麼可以阻止GET請求產生副作用，同樣POST請求也可能不產生副作用。Data同樣可以透過在Get請求的URL本身上面編碼來傳送。
程式碼例項：
>>> import urllib2
>>> import urllib
>>> data = {}
>>> data['name'] = 'Somebody Here'
>>> data['location'] = 'pythontab'
>>> data['language'] = 'Python'
>>> url_values = urllib.urlencode(data)
>>> print url_values
name=blueelwang+Here&language=Python&location=pythontab
>>> url = 'http://www.pythontab.com'
>>> full_url = url + '?' + url_values
>>> data = urllib2.open(full_url)Headers
我們將在這裡討論特定的HTTP頭，來說明怎樣新增headers到你的HTTP請求。
有一些站點不喜歡被程式（非人為訪問）訪問，或者傳送不同版本的內容到不同的瀏覽器。預設的urllib2把自己作為“Python-urllib/x.y”(x和y是Python主版本和次版本號,例如Python-urllib/2.5)，這個身份可能會讓站點迷惑，或者乾脆不工作。瀏覽器確認自己身份是透過User-Agent頭，當你建立了一個請求物件，你可以給他一個包含頭資料的字典。下面的例子傳送跟上面一樣的內容，但把自身
模擬成Internet Explorer。
import urllib
import urllib2
url = 'http://www.pythontab.com'
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
values = {'name' : 'Michael Foord',
'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應答物件同樣有兩個很有用的方法。看下面的節info and geturl，我們將看到當發生錯誤時會發生什麼。
Handle Exceptions處理異常
當urlopen不能夠處理一個response時，產生urlError（不過通常的Python APIs異常如ValueError,TypeError等也會同時產生）。
HTTPError是urlError的子類，通常在特定HTTP URLs中產生。
URLError
通常，URLError在沒有網路連線(沒有路由到特定伺服器),或者伺服器不存在的情況下產生。這種情況下，異常同樣會帶有"reason"屬性，它是一個tuple，包含了一個錯誤號和一個錯誤資訊。
例如
>>> req = urllib2.Request('http://www.pythontab.com')
>>> try: urllib2.urlopen(req)
>>> except URLError, e:
>>> print e.reason
>>>(4, 'getaddrinfo failed')
HTTPError
伺服器上每一個HTTP 應答物件response包含一個數字"狀態碼"。有時狀態碼指出伺服器無法完成請求。預設的處理器會為你處理一部分這種應答(例如:假如response是一個"重定向"，需要客戶端從別的地址獲取文件，urllib2將為你處理)。其他不能處理的，urlopen會產生一個HTTPError。典型的錯誤包含"404"(頁面無法找到)，"403"(請求禁止)，和"401"(帶驗證請求)。
請看RFC 2616 第十節有所有的HTTP錯誤碼
HTTPError例項產生後會有一個整型'code'屬性，是伺服器傳送的相關錯誤號。
Error Codes錯誤碼
因為預設的處理器處理了重定向(300以外號碼)，並且100-299範圍的號碼指示成功，所以你只能看到400-599的錯誤號碼。
BaseHTTPServer.BaseHTTPRequestHandler.response是一個很有用的應答號碼字典，顯示了RFC 2616使用的所有的應答號。這裡為了方便重新展示該字典。
當一個錯誤號產生後，伺服器返回一個HTTP錯誤號，和一個錯誤頁面。你可以使用HTTPError例項作為頁面返回的應答物件response。這表示和錯誤屬性一樣，它同樣包含了read,geturl,和info方法。
>>> req = urllib2.Request('http://www.python.org/fish.html')
>>> try:
>>> urllib2.urlopen(req)
>>> except URLError, e:
>>> print e.code
>>> print e.read()
>>>404 Error 404: File Not Found ...... etc...
Wrapping it Up包裝
所以如果你想為HTTPError或URLError做準備，將有兩個基本的辦法。我則比較喜歡第二種。
第一個：
from urllib2 import Request, urlopen, URLError, HTTPError req = Request(someurl) try: response = urlopen(req) except HTTPError, e: print 'The server couldn/'t fulfill the request.' print 'Error code: ', e.code except URLError, e: print 'We failed to reach a server.' print 'Reason: ', e.reason else: # everything is fine
注意：except HTTPError 必須在第一個，否則except URLError將同樣接受到HTTPError。
第二個：
from urllib2 import Request, urlopen, URLError req = Request(someurl) try: response = urlopen(req) except URLError, e: if hasattr(e, 'reason'): print 'We failed to reach a server.' print 'Reason: ', e.reason elif hasattr(e, 'code'): print 'The server couldn/'t fulfill the request.' print 'Error code: ', e.code else: # everything is fine
info and geturl
urlopen返回的應答物件response(或者HTTPError例項)有兩個很有用的方法info()和geturl()
geturl -- 這個返回獲取的真實的URL，這個很有用，因為urlopen(或者opener物件使用的)或許
會有重定向。獲取的URL或許跟請求URL不同。
info -- 這個返回物件的字典物件，該字典描述了獲取的頁面情況。通常是伺服器傳送的特定頭headers。目前是httplib.HTTPMessage 例項。
經典的headers包含"Content-length"，"Content-type"，和其他。檢視Quick Reference to HTTP Headers(http://www.cs.tut.fi/~jkorpela/http.html)獲取有用的HTTP頭列表，以及它們的解釋意義。
Openers和Handlers
當你獲取一個URL你使用一個opener(一個urllib2.OpenerDirector的例項，urllib2.OpenerDirector可能名字可能有點讓人混淆。)正常情況下，我們使用預設opener -- 透過urlopen,但你能夠建立個性的openers，Openers使用處理器handlers，所有的“繁重”工作由handlers處理。每個handlers知道如何透過特定協議開啟URLs，或者如何處理URL開啟時的各個方面，例如HTTP重定向或者HTTP cookies。
如果你希望用特定處理器獲取URLs你會想建立一個openers，例如獲取一個能處理cookie的opener，或者獲取一個不重定向的opener。
要建立一個 opener,例項化一個OpenerDirector，然後呼叫不斷呼叫.add_handler(some_handler_instance).
同樣，可以使用build_opener，這是一個更加方便的函式，用來建立opener物件，他只需要一次函式呼叫。
build_opener預設新增幾個處理器，但提供快捷的方法來新增或更新預設處理器。
其他的處理器handlers你或許會希望處理代理，驗證，和其他常用但有點特殊的情況。
install_opener 用來建立（全域性）預設opener。這個表示呼叫urlopen將使用你安裝的opener。
Opener物件有一個open方法，該方法可以像urlopen函式那樣直接用來獲取urls：通常不必呼叫install_opener，除了為了方便。
Basic Authentication 基本驗證
為了展示建立和安裝一個handler，我們將使用HTTPBasicAuthHandler，為了更加細節的描述本主題--包含一個基礎驗證的工作原理。
請看Basic Authentication Tutorial（http://www.voidspace.org.uk/python/articles/authentication.shtml）
當需要基礎驗證時，伺服器傳送一個header(401錯誤碼) 請求驗證。這個指定了scheme 和一個‘realm’，看起來像這樣：Www-authenticate: SCHEME realm="REALM".
例如
Www-authenticate: Basic realm="cPanel Users"
客戶端必須使用新的請求，並在請求頭裡包含正確的姓名和密碼。這是“基礎驗證”，為了簡化這個過程，我們可以建立一個HTTPBasicAuthHandler的例項，並讓opener使用這個handler。
HTTPBasicAuthHandler使用一個密碼管理的物件來處理URLs和realms來對映使用者名稱和密碼。如果你知道realm(從伺服器傳送來的頭裡)是什麼，你就能使用HTTPPasswordMgr。
通常人們不關心realm是什麼。那樣的話，就能用方便的HTTPPasswordMgrWithDefaultRealm。這個將在你為URL指定一個預設的使用者名稱和密碼。這將在你為特定realm提供一個其他組合時得到提供。我們透過給realm引數指定None提供給add_password來指示這種情況。
最高層次的URL是第一個要求驗證的URL。你傳給.add_password()更深層次的URLs將同樣合適。
# 建立一個密碼管理者 password_mgr = urllib2.HTTPPasswordMgrWithDefaultRealm() # 新增使用者名稱和密碼 # 如果知道 realm, 我們可以使用他代替 ``None``. top_level_url = "http://example.com/foo/" password_mgr.add_password(None, top_level_url, username, password) handler = urllib2.HTTPBasicAuthHandler(password_mgr) # 建立 "opener" (OpenerDirector 例項) opener = urllib2.build_opener(handler) # 使用 opener 獲取一個URL opener.open(a_url) # 安裝 opener. # 現在所有呼叫 urllib2.urlopen 將用我們的 opener. urllib2.install_opener(opener)
注意：以上的例子我們僅僅提供我們的HHTPBasicAuthHandler給build_opener。預設的openers有正常狀況的handlers--ProxyHandler,UnknownHandler,HTTPHandler,HTTPDefaultErrorHandler, HTTPRedirectHandler, FTPHandler, FileHandler, HTTPErrorProcessor。
top_level_url 實際上可以是完整URL(包含"http:",以及主機名及可選的埠號)例如：http://example.com/，也可以是一個“authority”(即主機名和可選的包含埠號)例如：“example.com” or “example.com:8080”(後者包含了埠號)。許可權驗證，如果遞交的話不能包含"使用者資訊"部分,例如:“joe@password:example.com”是錯誤的。
Proxies代理urllib 將自動監測你的代理設定並使用他們。這個透過ProxyHandler這個在正常處理器鏈中的物件來處理。通常，那工作的很好。但有時不起作用。其中一個方法便是安裝我們自己的代理處理器ProxyHandler，並不定義代理。這個跟使用Basic Authentication 處理器很相似。
>>> proxy_support = urllib.request.ProxyHandler({})
>>> opener = urllib.request.build_opener(proxy_support)
>>> urllib.request.install_opener(opener)注意：
此時urllib.request不支援透過代理獲取https地址。但，這個可以透過擴充套件urllib.request達到目的。
Sockets and Layers
Python支援獲取網路資源是分層結構。urllib 使用http.client庫，再呼叫socket庫實現。
在Python2.3你可以指定socket的等待回應超時時間。這個在需要獲取網頁的應用程式裡很有用。預設的socket模型沒有超時和掛起。現在，socket超時沒有暴露給http.client或者urllib.request層。但你可以給所有的sockets設定全域性的超時。