urllib2的用法

最新推荐文章于 2021-11-25 21:54:43 发布

junli_chen

最新推荐文章于 2021-11-25 21:54:43 发布

阅读量509

点赞数

CC 4.0 BY-SA版权

分类专栏： python

本文链接：https://blog.youkuaiyun.com/junli_chen/article/details/51280266

python 专栏收录该内容

82 篇文章

订阅专栏

1.最简单的使用urllib2，将如下所示

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)。

2.urllib2用一个Request对象来映射提出的HTTP请求

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()。

import urllib2 
req = urllib2.Request('http://www.pythontab.com') 
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/')

3.发送数据

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。

3.1 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。

import urllib 
import urllib2 
url = 'http://www.pythontab.com' 
values = {'name' : 'Michael Foord', 
          'location' : 'pythontab', 
          'language' : 'Python' } 
data = urllib.urlencode(values) 
req = urllib2.Request(url, data) 
response = urllib2.urlopen(req) 
the_page = response.read()

3.2 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。

import urllib 
import urllib2 
url = 'http://www.pythontab.com' 
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' 
  
values = {'name' : 'Michael Foord', 
          'location' : 'pythontab', 
          '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()

4.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。

4.1.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：

>>> req = urllib2.Request('http://www.pythontab.com') 

>>> try: urllib2.urlopen(req) 

>>> except URLError, e: 

>>>    print e.reason 

>>> (4,
 'getaddrinfo failed') 

4.2 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取文档，urllib2将为你处理)。其他不能处理的，urlopen会产生一个HTTPError。典型的错误包含"404"(页面无法找到)，"403"(请求禁止)，和"401"(带验证请求)。

>>> req = urllib2.Request('http://www.python.org/fish.html') 

>>> try: 

>>>     urllib2.urlopen(req) 

>>> except URLError, e: 

>>>     print e.code 

>>>     print e.read() 

>>>

404 

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" 

    "http://www.w3.org/TR/html4/loose.dtd"> 

<?xml-stylesheet href="./css/ht2html.css" 

    type="text/css"?> 

<html><head><title>Error 404: File Not Found</title> 

...... etc...

5.Wrapping it Up包装
所以如果你想为HTTPError或URLError做准备，将有两个基本的办法。我则比较喜欢第二种。

第一个：

from urllib2 import Request, urlopen, URLError, HTTPError 

req = Request(someurl) 

try: 

    response = urlopen(req) 

except HTTPError, e: 

    print 'The server couldn/'t fulfill the request.' 

    print 'Error code: ', e.code 

except URLError, e: 

    print 'We failed to reach a server.' 

    print 'Reason: ', e.reason 

else: 

    # everything is fine

注意：except HTTPError 必须在第一个，否则except URLError将同样接受到HTTPError。 

第二个：

from urllib2 import Request, urlopen, URLError 

req = Request(someurl) 

try: 

    response = urlopen(req) 

except URLError, e: 

    if hasattr(e, 'reason'): 

        print 'We failed to reach a server.' 

        print 'Reason: ', e.reason 

    elif hasattr(e, 'code'): 

        print 'The server couldn/'t fulfill the request.' 

        print 'Error code: ', e.code 

else: 

    # everything is fine