Python标准库urllib2的使用细节
目录
1 Proxy的设置
urllib2默认会使用环境变量http_proxy来设置HTTP Proxy。如果想在程序中明确控制Proxy而不受环境变量的影响,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_hander = 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, 但不能做到更细粒度的控制,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 Timeout设置
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对象:
import urllib2 request = urllib2.Request(url) request.add_header('User-Agent', 'fake-client') response = urllib2.urlopen(request)
对有些header要特别留意,服务器会针对这些header做检查
- User-Agent:有些服务器或Proxy会通过该值来判断是否是浏览器发出的请求
- Content-Type: 在使用REST借口时,服务器会检查该值,来确定HTTP Body中的内容该怎么解析。常见的取值有:
application/xml: 在XML PRC, 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
在使用服务器提供的RESTful或SOAP服务时,Content-Type设置错误会导致服务器拒绝服务
4 Redirect
urllib2默认情况下会针对HTTP 3XX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。
import urllib2 response = urllib2.urlopen('http://www.google.cn') redirect = response.geturl() == 'http://www.google.cn'
如果不想自动redirect,除了使用更低层次的httplib库之外,还可以自定义HTTPRedirectHandler类。
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 = urllib.build_opener(RedirectHandler) opener.open('http://www.google.cn')
5 Cookie
urllib2对Cookie的处理也是自动的。如果需要得到某个Cookie项的值,可以这么做:
import urllib2 import cookielib cookie = cookielib.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只支持HTTP的GET和POST方法,如果要使用HTTP PUT和DELETE,只能使用比较低层的httplib库。虽然如此,我们还是 能通过下面的方式,使urllib2能够发出PUT和DELETE的请求:
import urllib2 request = urllib2.Request(url, data=data) request.get_method = lambda:'PUT' # or 'DELETE' response = urllib2.urlopen(request)
这种做法虽然属于Hack的方式,但实际使用起来也没什么问题。
7 得到HTTP的返回码
对于200 OK来说,只要使用urlopen返回的response对象的getcode()方法就可以得到HTTP的返回码。但对其它返回码, urlopen会抛出异常。这时候,就要检查异常对象的code属性了:
import urllib2 try: response = urllib2.urlopen('http://restrict.web.com') except urllib2.HTTPError, e: print e.code
8 Debug Log
使用urllib2时,可以通过下面的方法把debug Log打开,这样收发包的内容就会在屏幕上打印出来,方便调试,有时候 可以省去抓包的工作
import urllib2 httpHandler = urllib2.HTTPHandler(debuglevel!=1) httpHandler = urllib2.HTTPSHandler(debuglevel=1) opener = urllib2.build_opener(httpHandler,httpsHandler) urllib2.install_opener(opener) response = urllib2.urlopen('http://www.google.com')