当前位置:编程学习 > python >>

python urllib2详解及实例

 urllib2是Python的一个获取URLs(Uniform Resource Locators)的组件。他以urlopen函数的形式提供了一个非常简单的接口,

这是具有利用不同协议获取URLs的能力,他同样提供了一个比较复杂的接口来处理一般情况,例如:基础验证,cookies,代理和其他。

它们通过handlers和openers的对象提供。

 

 

urllib2支持获取不同格式的URLs(在URL的":"前定义的字串,例如:"ftp"是"ftp:python.ort/"的前缀),它们利用它们相关网络协议(例如FTP,HTTP)

进行获取。这篇教程关注最广泛的应用--HTTP。

 

 

对于简单的应用,urlopen是非常容易使用的。但当你在打开HTTP的URLs时遇到错误或异常,你将需要一些超文本传输协议(HTTP)的理解。

最权威的HTTP文档当然是RFC 2616(http://rfc.net/rfc2616.html)。这是一个技术文档,所以并不易于阅读。这篇HOWTO教程的目的是展现如何使用urllib2,

并提供足够的HTTP细节来帮助你理解。他并不是urllib2的文档说明,而是起一个辅助作用。

 

 

获取 URLs

最简单的使用urllib2将如下所示

 

[python:nogutter] 
import urllib2 
 
response = urllib2.urlopen('http://python.org/') 
 
html = response.read() 
 

urllib2的很多应用就是那么简单(记住,除了"http:",URL同样可以使用"ftp:","file:"等等来替代)。但这篇文章是教授HTTP的更复杂的应用。

 

HTTP是基于请求和应答机制的--客户端提出请求,服务端提供应答。urllib2用一个Request对象来映射你提出的HTTP请求,在它最简单的使用形式中你将用你要请求的

地址创建一个Request对象,通过调用urlopen并传入Request对象,将返回一个相关请求response对象,这个应答对象如同一个文件对象,所以你可以在Response中调用.read()。

 

 

[python] 
import urllib2 
 
req = urllib2.Request('http://www.voidspace.org.uk') 
 
response = urllib2.urlopen(req) 
 
the_page = response.read() 
 

 

记得urllib2使用相同的接口处理所有的URL头。例如你可以像下面那样创建一个ftp请求。

 

req = urllib2.Request('ftp://example.com/')

 

在HTTP请求时,允许你做额外的两件事。首先是你能够发送data表单数据,其次你能够传送额外的关于数据或发送本身的信息("metadata")到服务器,此数据作为HTTP的"headers"来发送。

接下来让我们看看这些如何发送的吧。

 

 

Data数据

有时候你希望发送一些数据到URL(通常URL与CGI[通用网关接口]脚本,或其他WEB应用程序挂接)。在HTTP中,这个经常使用熟知的POST请求发送。这个通常在你提交一个HTML表单时由你的浏览器来做。

并不是所有的POSTs都来源于表单,你能够使用POST提交任意的数据到你自己的程序。一般的HTML表单,data需要编码成标准形式。然后做为data参数传到Request对象。编码工作使用urllib的函数而非

urllib2。

 

[python:nogutter] 
import urllib 
 
import urllib2 
 
  
 
url = 'http://www.someserver.com/cgi-bin/register.cgi' 
 
values = {'name' : 'Michael Foord', 
 
          'location' : 'Northampton', 
 
          'language' : 'Python' } 
 
  
 
data = urllib.urlencode(values) 
 
req = urllib2.Request(url, data) 
 
response = urllib2.urlopen(req) 
 
the_page = response.read() 
 

 

记住有时需要别的编码(例如从HTML上传文件--看http://www.w3.org/TR/REC-html40/interact/forms.html#h-17.13 HTML Specification, Form Submission的详细说明)。

 

如ugoni没有传送data参数,urllib2使用GET方式的请求。GET和POST请求的不同之处是POST请求通常有"副作用",它们会由于某种途径改变系统状态(例如提交成堆垃圾到你的门口)。

尽管HTTP标准说的很清楚POSTs通常会产生副作用,GET请求不会产生副作用,但没有什么可以阻止GET请求产生副作用,同样POST请求也可能不产生副作用。Data同样可以通过在Get请求

的URL本身上面编码来传送。

 

可看如下例子

[python:nogutter]
>>> import urllib2 
 
>>> import urllib 
 
>>> data = {} 
 
>>> data['name'] = 'Somebody Here' 
 
>>> data['location'] = 'Northampton' 
 
>>> data['language'] = 'Python' 
 
>>> url_values = urllib.urlencode(data) 
 
>>> print url_values 
 
name=Somebody+Here&language=Python&location=Northampton 
 
>>> url = 'http://www.example.com/example.cgi' 
 
>>> full_url = url + '?' + url_values 
 
>>> data = urllib2.open(full_url) 
 

 

Headers

我们将在这里讨论特定的HTTP头,来说明怎样添加headers到你的HTTP请求。

 

有一些站点不喜欢被程序(非人为访问)访问,或者发送不同版本的内容到不同的浏览器。默认的urllib2把自己作为“Python-urllib/x.y”(x和y是Python主版本和次版本号,例如Python-urllib/2.5),

这个身份可能会让站点迷惑,或者干脆不工作。浏览器确认自己身份是通过User-Agent头,当你创建了一个请求对象,你可以给他一个包含头数据的字典。下面的例子发送跟上面一样的内容,但把自身

模拟成Internet Explorer。

 

[python:nogutter] 
import urllib 
 
import urllib2 
 
  
 
url = 'http://www.someserver.com/cgi-bin/register.cgi' 
 
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' 
 
values = {'name' : 'Michael Foord', 
 
          'location' : 'Northampton', 
 
          'language' : 'Python' } 
 
headers = { 'User-Agent' : user_agent } 
 
  
 
data = urllib.urlencode(values) 
 
req = urllib2.Request(url, data, headers) 
 
response = urllib2.urlopen(req) 
 
the_page = response.read() 
 

 

response应答对象同样有两个很有用的方法。看下面的节info and geturl,我们将看到当发生错误时会发生什么。

 

 

Handle Exceptions处理异常

当urlopen不能够处理一个response时,产生urlError(不过通常的Python APIs异常如ValueError,TypeError等也会同时产生)。

 

HTTPError是urlError的子类,通常在特定HTTP URLs中产生。

 

URLError

通常,URLError在没有网络连接(没有路由到特定服务器),或者服务器不存在的情况下产生。这种情况下,异常同样会带有"reason"属性,它是一个tuple,包含了一个错误号和一个错误信息。

 

例如

 

[python:nogutter] 
>>> req = urllib2.Request('http://www.pretend_server.org') 
 
>>> try: urllib2.urlopen(req) 
 
>>> except URLError, e: 
 
>>>    print e.reason 
 
>>> 
 
(4, 'getaddrinfo failed') 
 

 

HTTPError

服务器上每一个HTTP 应答对象response包含一个数字"状态码"。有时状态码指出服务器无法完成请求。默认的处理器会为你处理一部分这种应答(例如:假如response是一个"重定向",需要客户端从别的地址获

补充:Web开发 , Python ,
CopyRight © 2022 站长资源库 编程知识问答 zzzyk.com All Rights Reserved
部分文章来自网络,