python小專題——urllib2模組

zhoujie0111發表於2013-06-19
Python

Python 標準庫中有很多實用的工具類，但是在具體使用時，標準庫文件上對使用細節描述的並不清楚，比如 urllib2 這個 HTTP 客戶端庫。這裡總結了一些 urllib2 庫的使用細節。

1 Proxy 的設定

urllib2 預設會使用環境變數 http_proxy 來設定 HTTP Proxy。如果想在程式中明確控制 Proxy，而不受環境變數的影響，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)

這裡要注意的一個細節，使用 urllib2.install_opener() 會設定 urllib2 的全域性 opener。這樣後面的使用會很方便，但不能做更細粒度的控制，比如想在程式中使用兩個不同的 Proxy 設定等。比較好的做法是不使用 install_opener 去更改全域性的設定，而只是直接呼叫 opener 的 open 方法代替全域性的 urlopen 方法。

2 Timeout 設定

在老版本中，urllib2 的 API 並沒有暴露 Timeout 的設定，要設定 Timeout 值，只能更改 Socket 的全域性 Timeout 值。

import urllib2
import socket
 
socket.setdefaulttimeout(10) # 10 秒鐘後超時
urllib2.socket.setdefaulttimeout(10) # 另一種方式

在新的 Python 2.6 版本中，超時可以通過 urllib2.urlopen() 的 timeout 引數直接設定。

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 物件：

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

對有些 header 要特別留意，Server 端會針對這些 header 做檢查

  • User-Agent 有些 Server 或 Proxy 會檢查該值，用來判斷是否是瀏覽器發起的 Request
  • Content-Type 在使用 REST 介面時，Server 會檢查該值，用來確定 HTTP Body 中的內容該怎樣解析。

     

    常見的取值有：

    • application/xml ：在 XML RPC，如 RESTful/SOAP 呼叫時使用
    • application/json ：在 JSON RPC 呼叫時使用

    • application/x-www-form-urlencoded ：瀏覽器提交 Web 表單時使用

    • ……

       

    在使用 RPC 呼叫 Server 提供的 RESTful 或 SOAP 服務時， Content-Type 設定錯誤會導致 Server 拒絕服務。

4 Redirect

urllib2 預設情況下會針對 3xx HTTP 返回碼自動進行 Redirect 動作，無需人工配置。要檢測是否發生了 Redirect 動作，只要檢查一下 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`

如果不想自動 Redirect，除了使用更低層次的 httplib 庫之外，還可以使用自定義的 HTTPRedirectHandler 類。

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 對 Cookie 的處理也是自動的。如果需要得到某個 Cookie 項的值，可以這麼做：

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 只支援 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)

這種做法雖然屬於 Hack 的方式，但實際使用起來也沒什麼問題。

7 得到 HTTP 的返回碼

對於 200 OK 來說，只要使用 urlopen 返回的 response 物件的 getcode() 方法就可以得到 HTTP 的返回碼。但對其它返回碼來說，urlopen 會丟擲異常。這時候，就要檢查異常物件的 code 屬性了：

import urllib2
try:
    response = urllib2.urlopen(`http://restrict.web.com`)
except urllib2.HTTPError, e:
    print e.code

8 Debug Log

使用 urllib2 時，可以通過下面的方法把 Debug Log 開啟，這樣收發包的內容就會在螢幕上列印出來，方便我們除錯，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`)

 
作者：zhoujie
本文版權歸作者和部落格園共有，歡迎轉載，但未經作者同意必須保留此段宣告，且在文章頁面明顯位置給出原文連線，不然我擔心部落格園找你算賬
如果您覺得本文對你有幫助，請豎起您的大拇指右下角點推薦，也可以關注我


相關文章