Python标准库urllib2的一些使用细节总结
Python标准库中有很多实用的工具类,但是在具体使用时,标准库文档上对使用细节描述的并不清楚,比如urllib2这个HTTP客户端库。这里总结了一些urllib2的使用细节。
1.Proxy的设置
2.Timeout设置
3.在HTTPRequest中加入特定的Header
4.Redirect
5.Cookie
6.使用HTTP的PUT和DELETE方法
7.得到HTTP的返回码
8.DebugLog
Proxy的设置
urllib2默认会使用环境变量http_proxy来设置HTTPProxy。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
importurllib2 enable_proxy=True proxy_handler=urllib2.ProxyHandler({"http":'http://some-proxy.com:8080'}) null_proxy_handler=urllib2.ProxyHandler({}) ifenable_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。
Timeout设置
在老版Python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Python2.6以后,超时可以通过urllib2.urlopen()的timeout参数直接设置。
importurllib2 response=urllib2.urlopen('http://www.google.com',timeout=10)
在HTTPRequest中加入特定的Header
要加入header,需要使用Request对象:
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,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接口时,服务器会检查该值,用来确定HTTPBody中的内容该怎样解析。常见的取值有:
application/xml:在XMLRPC,如RESTful/SOAP调用时使用
application/json:在JSONRPC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
Redirect
urllib2默认情况下会针对HTTP3XX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('http://www.google.cn') redirected=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。
importurllib2 classRedirectHandler(urllib2.HTTPRedirectHandler): defhttp_error_301(self,req,fp,code,msg,headers): pass defhttp_error_302(self,req,fp,code,msg,headers): pass opener=urllib2.build_opener(RedirectHandler) opener.open('http://www.google.cn')
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:
importurllib2 importcookielib cookie=cookielib.CookieJar() opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)) response=opener.open('http://www.google.com') foritemincookie: ifitem.name=='some_cookie_item_name': printitem.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HTTPPUT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或DELETE的请求:
importurllib2 request=urllib2.Request(uri,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。
得到HTTP的返回码
对于200OK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。但对其它返回码来说,urlopen会抛出异常。这时候,就要检查异常对象的code属性了:
importurllib2 try: response=urllib2.urlopen('http://restrict.web.com') excepturllib2.HTTPError,e: printe.code DebugLog
使用urllib2时,可以通过下面的方法把debugLog打开,这样收发包的内容就会在屏幕上打印出来,方便调试,有时可以省去抓包的工作
importurllib2 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')