urllib2支持獲取不同格式的URLs例如:ftp、Gopher等,並利用它們相關網絡協議進行獲取。
urllib2可用來完成以下功能:
1.獲取Web頁面
2.在遠程http服務器上驗證
3.額外數據請求,如表單提交(GET和POST)
4.異常處理
5.非http協議通信(如FTP)
1.獲取Web頁面
例1:打印html頁面,下面是最簡單的形式
-
#!/usr/bin/env
python
-
import urllib2
-
response = urllib2.urlopen('http://www.google.com')
-
html = response.read()
- print html
-
#!/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.在遠程http服務器上驗證
有些站點需要http認證後才能訪問。最普通的認證類型是基本認證,由客戶端向服務器器發送一個用戶名和密碼。http認證一般顯示一個彈出窗口來詢問用戶名和密碼,這與基於cookie和form的認證不同。
下面是一個例子,首先定義了一個擴展urllib2.HTTPPasswordMgr的類,允許在需要的時候詢問用戶名和密碼,然後調用build_opener()指定一些額外處理,其實在urllib2.urlopen()內部調用了build_opener(),並且不帶任何參數。所以在訪問常規網站的時候urllib2.urlopen()等於opener.open()返回都一樣。
-
#!/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.表單提交(GET和POST)
有兩種方法提交表單數據:GET和POST,取決於HTML文檔中
標籤裏面的參數
GET實例:
-
#!/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實例:
-
#!/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)
更一般的提交數據,通過urllib2.Request()構造一個有額外數據的請求信息。包括“http header”和想要發送的數據,這些數據需要被以標準的方式encode,然後作爲一個數據參數傳送給Request對象。Encoding是在urllib中完成的,而不是在urllib2中完成的。
如下例:
-
#!/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.異常處理
捕獲連接錯誤,在和遠程Web服務器建立連接時,很多地方可能出現問題:提供的URL不對、URL使用了一個不支持的協議、主機名不存在、訪問不到服務器或者服務器針對請求返回一個錯誤(例如:404)。
任何在連接過程中產生的異常要麼是urllib2.URLError的實例,要麼是它的一個子類。
-
#!/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協議通信(如FTP)
urllib2模塊也支持非http協議。默認情況下支持http、ftp、gopher和機器本地硬盤上的文件,只是response.info()返回的報頭會有所差異。