Python中urllib2模块的8个使用细节分享
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库的使用细节。
1Proxy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。
2Timeout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Python2.6版本中，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)
3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，Server端会针对这些header做检查
1.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
2.Content-Type在使用REST接口时，Server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：
1.application/xml：在XMLRPC，如RESTful/SOAP调用时使用
2.application/json：在JSONRPC调用时使用
3.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。
4Redirect
urllib2默认情况下会针对3xxHTTP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，还可以使用自定义的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')
5Cookie
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
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HTTPPUT或DELETE的包：
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。
7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
8DebugLog
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，方便我们调试，在一定程度上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')