Python 标准库 urllib2 的使用细节

Proxy 的设置

urllib2 默认会使用环境变量http_proxy来设置 HTTP Proxy。如果想在程序中明确控制 Proxy 而不受环境变量的影响，可以使用下面的方式51Testing软件测试网X V9Y'Pk*?rp3?]$@}

importurllib2enable_proxy=Trueproxy_handler=urllib2.ProxyHandler({"http":'http://some-proxy.com:8080'})null_proxy_handler=urllib2.ProxyHandler({})ifenable_proxy:opener=urllib2.build_opener(proxy_handler)else:opener=urllib2.build_opener(null_proxy_handler)urllib2.install_opener(opener)

这里要注意的一个细节，使用urllib2.install_opener()会设置 urllib2 的全局opener。这样后面的使用会很方便，但不能做更细粒度的控制，比如想在程序中使用两个不同的 Proxy 设置等。比较好的做法是不使用install_opener去更改全局的设置，而只是直接调用opener的open方法代替全局的urlopen方法。

Timeout 设置

H2JJ p[
P0在老版 Python 中，urllib2 的 API 并没有暴露 Timeout 的设置，要设置 Timeout 值，只能更改 Socket 的全局 Timeout 值。51Testing软件测试网*@/k:Zp+m A,}ow

importurllib2importsocketsocket.setdefaulttimeout(10)# 10 秒钟后超时urllib2.socket.setdefaulttimeout(10)# 另一种方式

J q6sU&lZo sjZ0在 Python 2.6 以后，超时可以通过urllib2.urlopen()的timeout参数直接设置。

importurllib2response=urllib2.urlopen('http://www.google.com',timeout=10)

在 HTTP Request 中加入特定的 Header

要加入 header，需要使用Request对象：

importurllib2request=urllib2.Request(uri)request.add_header('User-Agent','fake-client')response=urllib2.urlopen(request)

7k&]/|j8l
eP0对有些 header 要特别留意，服务器会针对这些 header 做检查

• User-Agent: 有些服务器或 Proxy 会通过该值来判断是否是浏览器发出的请求

  T |yB0__0

• Content-Type: 在使用 REST 接口时，服务器会检查该值，用来确定 HTTP Body 中的内容该怎样解析。常见的取值有：

  d
  D,bo6hav0
  • application/xml： 在 XML RPC，如 RESTful/SOAP 调用时使用
  • application/json： 在 JSON RPC 调用时使用
  • application/x-www-form-urlencoded： 浏览器提交 Web 表单时使用
  51Testing软件测试网 S+_2G2NgT0O1Z

  在使用服务器提供的 RESTful 或 SOAP 服务时，Content-Type设置错误会导致服务器拒绝服务51Testing软件测试网]kICR0uu

Redirect

urllib2 默认情况下会针对 HTTP 3XX 返回码自动进行 redirect 动作，无需人工配置。要检测是否发生了 redirect 动作，只要检查一下Response的 URL 和Request的 URL 是否一致就可以了。51Testing软件测试网9\(M q ^!O:]j5Cm%F$z

importurllib2response=urllib2.urlopen('http://www.google.cn')redirected=response.geturl()=='http://www.google.cn'

5zIbM O]0\MhR0如果不想自动 redirect，除了使用更低层次的 httplib 库之外，还可以自定义HTTPRedirectHandler类。51Testing软件测试网3\.D{;]c/v%KM

importurllib2classRedirectHandler(urllib2.HTTPRedirectHandler):defhttp_error_301(self,req,fp,code,msg,headers):passdefhttp_error_302(self,req,fp,code,msg,headers):passopener=urllib2.build_opener(RedirectHandler)opener.open('http://www.google.cn')

Cookie

%rC(H
R-EH0urllib2 对 Cookie 的处理也是自动的。如果需要得到某个 Cookie 项的值，可以这么做：51Testing软件测试网!mVU&U"H W|q

importurllib2importcookielibcookie=cookielib.CookieJar()opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))response=opener.open('http://www.google.com')foritemincookie:ifitem.name=='some_cookie_item_name':printitem.value

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 HTTPPUT和DELETE，只能使用比较低层的 httplib 库。虽然如此，我们还是能通过下面的方式，使 urllib2 能够发出PUT或DELETE的请求：51Testing软件测试网-FAU8`J:QX-l$] f

importurllib2request=urllib2.Request(uri,data=data)request.get_method=lambda:'PUT'# or 'DELETE'response=urllib2.urlopen(request)

E[;r!jk d;P#t0这种做法虽然属于 Hack 的方式，但实际使用起来也没什么问题。

得到 HTTP 的返回码

Dk{v
\0对于200 OK来说，只要使用urlopen返回的response对象的getcode()方法就可以得到 HTTP 的返回码。但对其它返回码来说，urlopen 会抛出异常。这时候，就要检查异常对象的code属性了：

importurllib2try:response=urllib2.urlopen('http://restrict.web.com')excepturllib2.HTTPError,e:printe.code

Debug Log

F1QIX
D:F`1i0使用 urllib2 时，可以通过下面的方法把 debug Log 打开，这样收发包的内容就会在屏幕上打印出来，方便调试，有时可以省去抓包的工作51Testing软件测试网kv+y#C9qp

importurllib2httpHandler=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')51Testing软件测试网(VB,o:~~ C$Xt

MEX'Hnj*L0fx-p&T0