- 浏览: 345102 次
- 性别:
- 来自: 北京
文章分类
- 全部博客 (238)
- j2ee (22)
- mysql (14)
- hibernate (2)
- struts (3)
- spring (7)
- php (28)
- cakephp (12)
- pattern (0)
- 数据结构 (0)
- python (17)
- redis (1)
- sql (2)
- ibatis (1)
- jquery (3)
- 测试 (3)
- linux (37)
- solr (3)
- oracle (5)
- jira (5)
- 版本控制 (3)
- xp (1)
- IDE (3)
- apache (4)
- hadoop (2)
- freemarker (2)
- maven (5)
- 项目管理 (2)
- UML (1)
- Django (6)
- 正则 (1)
- Scrapy (1)
- 文档管理 (3)
- 项目集成 (8)
- MQ (3)
- 架构 (1)
- HTML (1)
- IT (1)
- 云 (0)
- 应用服务器 (4)
- win 7 (1)
- thrift (1)
- 学习 (3)
- OpenStack (3)
- sqlserver (1)
- javascript (1)
- zabbix (3)
- IOS (1)
- rabbitmq (1)
- springcloud (2)
最新评论
-
xushenkun4:
至今仍然有这个bug,0.9.1无法传输中文utf8。
thrift使用出现诡异问题 -
feiniao2029:
[i][/i][u][/u]引用
spring 配置init方法 -
wt811004:
非常感谢朋友慷慨指导
dotproject项目管理工具使用 -
hackpro:
这将是一个经典,就像大话西游...
javaeye怀旧 -
raymond2006k:
个人更偏好 Velocity。我觉得还有个对比点,就是编程方式 ...
jsp freemarker velocity 比较
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。
- 1 Proxy 的设置
- 2 Timeout 设置
- 3 在 HTTP Request 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 Debug Log
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_handler = 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
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。
import urllib2 import socket socket.setdefaulttimeout(10) # 10 秒钟后超时 urllib2.socket.setdefaulttimeout(10) # 另一种方式 |
在新的 Python 2.6 版本中,超时可以通过 urllib2.urlopen() 的 timeout 参数直接设置。
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(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
- 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
- Content-Type 在使用 REST 接口时,Server 会检查该值,用来确定 HTTP Body 中的内容该怎样解析。
常见的取值有:
- application/xml :在 XML RPC,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 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。
4 Redirect
urllib2 默认情况下会针对 3xx HTTP 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') 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。
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 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.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 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) |
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。但对其它返回码来说,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,方便我们调试,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') |
文章信息
- 原创文章,转载请注明:转载自 道可道 | Python 标准库 urllib2 的使用细节http://zhuoqiang.me/a/python-urllib2-usage
- 版权声明 License:自由转载-非商用-非衍生-保持署名 | Creative Commons BY-NC-ND 3.0
发表评论
-
Python中生成唯一ID的库——UUID
2012-10-16 10:02 2630本需要生成一个唯一字符串给数据库表做主键id,python提供 ... -
python编程的纠结
2012-08-09 11:03 1690场景: 1. 定义一个对象 class Strate ... -
python time,datetime,string转换
2012-07-27 10:07 803#把datetime转成字符串 def datet ... -
浅谈 Python WSGI
2012-06-28 16:38 1416参考WSGI的官方定义, ... -
Python中switch-case实现实例
2012-06-28 15:21 57751. if else方式 if FunctionC ... -
Python中switch-case实现
2012-06-28 15:11 2101Python不像C/C++,Java等有switch-c ... -
python 编码问题 UnicodeEncodeError: 'ascii' codec can't encode characters
2012-06-25 17:12 1643近期在使用python是出现编码问题:“UnicodeEnco ... -
纠结的SqlAlchemy: SQLError: (OperationalError) (2006, ‘MySQL server has gone away’)
2012-06-04 10:10 3055纠结的SqlAlchemy: SQLError: (Opera ... -
python 根据类名生成实例(相当于java的Class.forName)
2012-03-09 16:40 5043python是一个脚本语言,它不象java一样有一个专门 ... -
python默认参数的静态属性
2012-02-23 10:09 911def f(a, L=[]): L.append(a) ... -
python静态方法
2012-02-23 10:06 913python静态方法 P ... -
使用由 Python 编写的 lxml 实现高性能 XML 解析
2012-01-04 10:29 1887简介: lxml 是一种使用 Python 编写的库,可以迅速 ... -
Python 编码规范
2011-12-21 16:41 0目录 阅读指南 代码的布局 (Code l ... -
python cookbook
2011-12-21 16:26 0开发环境 解析X.509 证书 ... -
python中使用配置文件
2011-12-21 11:39 12001. python中使用配置文件 配置文件 stat ... -
Eclipse和PyDev搭建完美Python开发环境(Windows篇)
2011-12-22 09:02 1448为什么不用别的IDE呢? IDLE是小打小闹用的,那 ... -
学习 《一》
2010-08-17 16:41 8561.Python的Hello World程序 下面是一个在标 ... -
Python IDE--Wing IDE的安装和破解 <一>
2010-08-17 10:37 3485Python IDE--Wing IDE的安装和破解 ...
相关推荐
主要介绍了Python标准库urllib2的一些使用细节总结,本文总结了Proxy 的设置、Timeout 设置、Redirect、Cookie等细节的使用,需要的朋友可以参考下
Python urllib urllib2 urllib模块安装说明
python 2.7 urllib2的详细使用教程
Python urllib urllib2 urllib模块
python urllib3 安装文件包
官方离线安装包,测试可用。使用rpm -ivh [rpm完整包名] 进行安装
urllib3 最新版本爬虫 whl安装包 python2-3可用 32位 可用
python中使用urllib2伪造http报头的2个方法.docx
python库,解压后可用。 资源全名:urllib3-1.24.3-py2.py3-none-any.whl
python urllib3 requests
Python爬虫基础之Urllib库,里面包含一些基础的操作,适合基础学习,包括案例,代理设置等
资源分类:Python库 所属语言:Python 资源全名:urllib3-1.25.9.tar.gz 资源来源:官方 安装方法:https://lanzao.blog.csdn.net/article/details/101784059
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。 Proxy 的设置 Timeout 设置 在 ...
python urllib 使用PPT python urllib使用PPT
值得注意的是,在Python2中,有urllib和urllib2两个库来实现请求的发送。但在Python3中,就只有urllib库了。由于现在普遍流行只用Python3了,所以了解urllib库就行了。查看Python源文件知道urllib库包括5个模块,...
资源分类:Python库 所属语言:Python 资源全名:urllib2_kerberos-0.1.3.linux-x86_64.tar.gz 资源来源:官方 安装方法:https://lanzao.blog.csdn.net/article/details/101784059
使用python写的下载linux.linuxidc.com的资源。对于其它网页,请自行修改
Urllib3是一个功能强大,条理清晰,用于HTTP客户端的Python库。许多Python的原生系统已经开始使用urllib3。Urllib3提供了很多python标准库urllib里所没有的重要特性