剛好用到，這篇文章寫得不錯，轉過來收藏。    轉載自 道可道 | Python 標準庫 urllib2 的使用細節

Python 標準庫中有很多實用的工具類，但是在具體使用時，標準庫文檔上對使用細節描述的並不清楚，比如 urllib2 這個 HTTP 客戶端庫。這裏總結了一些 urllib2 庫的使用細節。

 

·        1 Proxy 的設置

·        2 Timeout 設置

·        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 的返回碼

·        8 Debug Log

1 Proxy 的設置

urllib2 默認會使用環境變量 http_proxy 來設置 HTTP Proxy。如果想在程序中明確控制 Proxy，而不受環境變量的影響，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)

這裏要注意的一個細節，使用urllib2.install_opener() 會設置 urllib2 的全局 opener。這樣後面的使用會很方便，但不能做更細粒度的控制，比如想在程序中使用兩個不同的 Proxy 設置等。比較好的做法是不使用 install_opener 去更改全局的設置，而只是直接調用 opener 的 open 方法代替全局的 urlopen 方法。

2 Timeout 設置

在老版本中，urllib2 的 API 並沒有暴露 Timeout 的設置，要設置 Timeout 值，只能更改 Socket 的全局 Timeout 值。

import urllib2 import socket   socket.setdefaulttimeout(10) # 10 秒鐘後超時 urllib2.socket.setdefaulttimeout(10) # 另一種方式

在新的 Python 2.6 版本中，超時可以通過urllib2.urlopen() 的 timeout 參數直接設置。

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 對象：

import urllib2   request = urllib2.Request(uri) request.add_header('User-Agent', 'fake-client') response = urllib2.urlopen(request)

對有些 header 要特別留意，Server 端會針對這些 header 做檢查

·        User-Agent 有些 Server 或 Proxy 會檢查該值，用來判斷是否是瀏覽器發起的 Request

·        Content-Type 在使用 REST 接口時，Server 會檢查該值，用來確定 HTTP Body 中的內容該怎樣解析。

 

常見的取值有：

·        application/xml ：在 XML RPC，如 RESTful/SOAP 調用時使用

·        application/json ：在 JSON RPC 調用時使用

·              application/x-www-form-urlencoded ：瀏覽器提交 Web 表單時使用

·        ……

 

在使用 RPC 調用 Server 提供的 RESTful 或 SOAP 服務時， Content-Type 設置錯誤會導致 Server 拒絕服務。

4 Redirect

urllib2 默認情況下會針對 3xx HTTP 返回碼自動進行 Redirect 動作，無需人工配置。要檢測是否發生了 Redirect 動作，只要檢查一下 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'

如果不想自動 Redirect，除了使用更低層次的 httplib 庫之外，還可以使用自定義的 HTTPRedirectHandler 類。

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 對 Cookie 的處理也是自動的。如果需要得到某個 Cookie 項的值，可以這麼做：

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，只能使用比較低層的 httplib 庫。雖然如此，我們還是能通過下面的方式，使 urllib2 能夠發出 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)

這種做法雖然屬於 Hack 的方式，但實際使用起來也沒什麼問題。

7 得到 HTTP 的返回碼

對於 200 OK 來說，只要使用 urlopen 返回的 response 對象的 getcode() 方法就可以得到 HTTP 的返回碼。但對其它返回碼來說，urlopen 會拋出異常。這時候，就要檢查異常對象的 code 屬性了：

import urllib2 try:     response = urllib2.urlopen('http://restrict.web.com') except urllib2.HTTPError, e:     print e.code

8 Debug Log

使用 urllib2 時，可以通過下面的方法把 Debug Log 打開，這樣收發包的內容就會在屏幕上打印出來，方便我們調試，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')

 

---我是低調的不顯眼的簡潔的不會被敵人發現的分割線---