• Python urllib2 的更多使用细节

    解决一些常见的编程问题
    服务器君一共花费 10.174 ms 进行了 3 次数据库查询,努力地为您提供了这个页面。
    广告很萌的

    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 HTTP Request 中加入特定的 Header
    • Redirect
    • Cookie
    • 使用 HTTP 的 PUT 和 DELETE 方法
    • 得到 HTTP 的返回码
    • Debug Log

    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。

    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。

    import urllib2
    import socket
    
    socket.setdefaulttimeout(10) # 10 秒钟后超时
    urllib2.socket.setdefaulttimeout(10) # 另一种方式
    

    在 Python 2.6 以后,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)
    

    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,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 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 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')
    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。

    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')
    

    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
    

    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 或 DELETE 的请求:

    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。

    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
    

    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')
    
更多 推荐条目

Welcome to NowaMagic Academy!

现代魔法 推荐于 2013-02-27 10:23   

本章最新发布
随机专题
  1. [PHP程序设计] PHP数组探索 4 个条目
  2. [Python程序设计] Django与表单 4 个条目
  3. [PHP程序设计] PHP扩展模块安装 1 个条目
  4. [移动开发] Content Provider内容提供者 3 个条目
  5. [软件工程与项目管理] 浏览器的HTML解析器 8 个条目
  6. [移动开发] Android属性系统Property 9 个条目
  7. [Python程序设计] Python Web部署的背景知识 9 个条目
  8. [Python程序设计] Django 入门知识浅介 10 个条目
  9. [移动开发] 使用support-v7 ActionBar前的那些坑 3 个条目
  10. [移动开发] Android 开发调试工具 ADB 3 个条目
  11. [智力开发与知识管理] 整体性学习策略 9 个条目
  12. [数据库技术] MySQL中英文混合排序 4 个条目
窗口 -- [博客]