urllib2使用总结

转载至:http://blog.chinaunix.net/uid-26722078-id-3504625.html


urllib2是Python的一个获取URLs的组件。他以urlopen函数的形式提供了一个非常简单的接口,具有利用不同协议获取URLs的能力,同样提供了一个比较复杂的接口来处理一般情况。

    urllib2支持获取不同格式的URLs例如:ftp、Gopher等,并利用它们相关网络协议进行获取。

    urllib2可用来完成以下功能:

    1.获取Web页面

    2.在远程http服务器上验证
    3.额外数据请求,如表单提交(GET和POST)
    4.异常处理
    5.非http协议通信(如FTP)

1.获取Web页面

   例1:打印html页面,下面是最简单的形式 

  1. #!/usr/bin/env python
    import urllib2 
    response = urllib2.urlopen('http://www.google.com') 
    html = response.read()
    print html

    例2:打开指定页面并打印html页面和一些额外的信息,采用了urllib2最一般的形式:iurllib2.Request()的功能是构造一个请求信息,返回的req就是一个构造好的请求。ii、urllib2.urlopen()的功能是发送刚刚构造好的请求req,并返回一个文件类的对象response,包括了所有的返回信息。iii通过response.read()可以读取到response里面的html,通过response.info()可以读到一些额外的信息

  1. #!/usr/bin/env python
    import sys, urllib2
    req = urllib2.Request(sys.argv[1])
    response = urllib2.urlopen(req)
    print "Retrieved", response.geturl()
    info = response.info()
    for key, value in info.items():
        print "%s = %s" % (key, value)
    html = response.read()
    print html

2.在远程http服务器上验证

    有些站点需要http认证后才能访问。最普通的认证类型是基本认证,由客户端向服务器器发送一个用户名和密码。http认证一般显示一个弹出窗口来询问用户名和密码,这与基于cookie和form的认证不同。

    下面是一个例子,首先定义了一个扩展urllib2.HTTPPasswordMgr的类,允许在需要的时候询问用户名和密码,然后调用build_opener()指定一些额外处理,其实在urllib2.urlopen()内部调用了build_opener(),并且不带任何参数。所以在访问常规网站的时候urllib2.urlopen()等于opener.open()返回都一样。

  1. #!/usr/bin/env python
    import sys, urllib2, getpass
    class BasePassword(urllib2.HTTPPasswordMgr):
        def find_user_password(self, realm, authurl):
            ret = urllib2.HTTPPasswordMgr.find_user_password(self, realm, authuri)
            if ret[0] == None and ret[1] == None:
                sys.stdout.write("Login reauired for %s at %sn" % (realm, authurl))
                sys.stdout.write("Username: ")
                username = sys.stdin.readline().rstrip()
                password = getpass.getpass().rstrip()
                return (username, password)
            else:
                return ret
    req = urllib2.Request(sys.argv[1])
    opener = urllib2.build_opener(urllib2.HTTPBasicAuthHandler(BasePassword()))
    response = opener.open(req)
    print response.read()

3.表单提交(GET和POST)

    有两种方法提交表单数据:GET和POST,取决于HTML文档中

标签里面的参数


    GET实例:

#!/usr/bin/env python
import sys, urllib2, urllib
keyword = sys.argv[1]
url = url + '?' + urllib.urlencode('http://www.xxx.com', [('query', keyword)])
req = urllib2.Request(url)
response = urllib2.urlopen(req)
print response.read()

    POST实例:

  1. #!/usr/bin/env python
    import sys, urllib2, urllib
    keyword = sys.argv[1]
    url = 'http://www.xxx.com'
    data = urllib.urlencode([('query', keyword)])
    req = urllib2.Request(url)
    response = urllib2.urlopen(req, data)


    更一般的提交数据,通过urllib2.Request()构造一个有额外数据的请求信息。包括“http header”和想要发送的数据,这些数据需要被以标准的方式encode,然后作为一个数据参数传送给Request对象。Encoding是在urllib中完成的,而不是在urllib2中完成的。

    如下例:

  1. #!/usr/bin/env python
    import urllib, urllib2
    url = 'http://www.baidu.com'
    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()

4.异常处理

    捕获连接错误,在和远程Web服务器建立连接时,很多地方可能出现问题:提供的URL不对、URL使用了一个不支持的协议、主机名不存在、访问不到服务器或者服务器针对请求返回一个错误(例如:404)。

    任何在连接过程中产生的异常要么是urllib2.URLError的实例,要么是它的一个子类。

#!/usr/bin/env python
import sys, urllib2
req = urllib2.Request(sys.argv[1])
try:
    response = urllib2.urlopen(req)
except urllib2.URLError, e:
    print "Error retrieving data:", e
    sys.exit(1)
print response.read()

5.非http协议通信(如FTP)

    urllib2模块也支持非http协议。默认情况下支持http、ftp、gopher和机器本地硬盘上的文件,只是response.info()返回的报头会有所差异。


你可能感兴趣的:(接口,网络,通信,能力,服务器)