Python学习之urlib模块和urllib2模块学习

原创

自由linux 2014-07-22 18:19:47 博主文章分类：Python ©著作权

文章标签 python urllib urlib模块 文章分类 Python 后端开发

©著作权归作者所有：来自51CTO博客作者自由linux的原创作品，请联系作者获取转载授权，否则将追究法律责任

一 urlib模块

利用urllib模块可以打开任意个url。

urlopen() 打开一个url返回一个文件对象，可以进行类似文件对象的操作。

In [308]: import urllib

In [309]: file=urllib.urlopen(' 
In [310]: file.readline()
Out[310]: '<!DOCTYPE html><!--STATUS OK--><html><head><meta http-equiv="content-type" content="text/html;charset=utf-8"><meta http-equiv="X-UA-Compatible" content="IE=Edge"><link rel="dns-prefetch" href="//s1.bdstatic.com"/><link rel="dns-prefetch" href="//t1.baidu.com"/><link rel="dns-prefetch" href="//t2.baidu.com"/><link rel="dns-prefetch" href="//t3.baidu.com"/><link rel="dns-prefetch" href="//t10.baidu.com"/><link rel="dns-prefetch" href="//t11.baidu.com"/><link rel="dns-prefetch" href="//t12.baidu.com"/><link rel="dns-prefetch" href="//b1.bdstatic.com"/><title>\xe7\x99\xbe\xe5\xba\xa6\xe4\xb8

可以用read(),readlines(),fileno(),close()这些函数

In [337]: file.info()
Out[337]: <httplib.HTTPMessage instance at 0x2394a70>

In [338]: file.getcode()
Out[338]: 200

In [339]: file.geturl()
Out[339]: 'http://www.baidu.com/'

2.urlretrieve() 将url对应的html页面保存为文件

In [404]: filename=urllib.urlretrieve('http://www.baidu.com/',filename='/tmp/baidu.html')

In [405]: type (filename)
Out[405]: <type 'tuple'>

In [406]: filename[0]
Out[406]: '/tmp/baidu.html'

In [407]: filename
Out[407]: ('/tmp/baidu.html', <httplib.HTTPMessage instance at 0x23ba878>)

In [408]: filename[1]
Out[408]: <httplib.HTTPMessage instance at 0x23ba878>

3.urlcleanup() 清除由urlretrieve()产生的缓存

In [454]: filename=urllib.urlretrieve('http://www.baidu.com/',filename='/tmp/baidu.html')

In [455]: urllib.urlcleanup()

4.urllib.quote()和urllib.quote_plus() 将url进行编码

In [483]: urllib.quote('http://www.baidu.com')
Out[483]: 'http%3A//www.baidu.com'

In [484]: urllib.quote_plus('http://www.baidu.com')
Out[484]: 'http%3A%2F%2Fwww.baidu.com'

5.urllib.unquote()和urllib.unquote_plus() 将编码后的url解码

In [514]: urllib.unquote('http%3A//www.baidu.com')
Out[514]: 'http://www.baidu.com'

In [515]: urllib.unquote_plus('http%3A%2F%2Fwww.baidu.com')
Out[515]: 'http://www.baidu.com'

6.urllib.urlencode() 将url中的键值对以&划分，可以结合urlopen()实现POST方法和GET方法

In [560]: import urllib

In [561]: params=urllib.urlencode({'spam':1,'eggs':2,'bacon':0})

In [562]: f=urllib.urlopen("http://python.org/query?%s" %params)

In [563]: f.readline()
Out[563]: '<!doctype html>\n'

In [564]: f.readlines()
Out[564]: 
['<!--[if lt IE 7]>   <html class="no-js ie6 lt-ie7 lt-ie8 lt-ie9">   <![endif]-->\n',
 '<!--[if IE 7]>      <html class="no-js ie7 lt-ie8 lt-ie9">          <![endif]-->\n',
 '<!--[if IE 8]>      <html class="no-js ie8 lt-ie9">                 <![endif]-->\n',
 '<!--[if gt IE 8]><!--><html class="no-js" lang="en" dir="ltr">  <!--<![endif]-->\n',
 '\n',

二 urllib2模块

urllib2比urllib多了些功能，例如提供基本的认证，重定向，cookie等功能

https://docs.python.org/2/library/urllib2.html

https://docs.python.org/2/howto/urllib2.html

In [566]: import urllib2

In [567]: f=urllib2.urlopen('http://www.python.org/')

In [568]: print f.read(100)
--------> print(f.read(100))
<!doctype html>
<!--[if lt IE 7]>   <html class="no-js ie6 lt-ie7 lt-ie8 lt-ie9">   <![endif]-->

打开python的官网并返回头100个字节内容

HTTP基于请求和响应，客户端发送请求，服务器响应请求。urllib2使用一个Request对象代表发送的请求，调用urlopen()打开Request对象可以返回一个response对象。reponse对象是一个类似文件的对象，可以像文件一样进行操作

In [630]: import urllib2

In [631]: req=urllib2.Request('http://www.baidu.com')

In [632]: response=urllib2.urlopen(req)

In [633]: the_page=response.read()

In [634]: the_page
Out[634]: '<!DOCTYPE html><!--STATUS OK--><html><head><meta http-equiv="content-type" content="text/html;charset=utf-8"><meta http-equiv="X-UA-Compatible" content="IE=Edge"><link rel="dns-prefetch" href="//s1.bdstatic.com"/><link rel="dns-prefetch" href="//t1.baidu.com"/><link rel="dns-prefetch" href="//t2.baidu.com"/><link rel="dns-prefetch" href="//t3.baidu.

通常情况下需要向一个url以POST的方式发送数据。

In [763]: import urllib

In [764]: import urllib2

In [765]: url='http://xxxxxx/login.php'

In [766]: values={'ver' : '1.7.1', 'email' : 'xxxxx', 'password' : 'xxxx', 'mac' : '111111111111'}

In [767]: data=urllib.urlencode(values)

In [768]: req=urllib2.Request(url,data)

In [769]: response=urllib2.urlopen(req)

In [770]: the_page=response.read()

In [771]: the_page

如果不使用urllib2.Request()发送data参数，urllib2使用GET请求，GET请求和POST请求差别在于POST请求常有副作用，POST请求会通过某些方式改变系统的状态。也可以通过GET请求发送数据。

In [55]: import urllib2

In [56]: import urllib

In [57]: url='http://xxx/login.php'

In [58]: values={'ver' : 'xxx', 'email' : 'xxx', 'password' : 'xxx', 'mac' : 'xxx'}

In [59]: data=urllib.urlencode(values)

In [60]: full_url=url + '?' + data

In [61]: the_page=urllib2.urlopen(full_url)

In [63]: the_page.read()
Out[63]: '{"result":0,"data":0}'

默认情况下,urllib2使用Python-urllib/2.6 表明浏览器类型，可以通过增加User-Agent HTTP头

In [107]: import urllib

In [108]: import urllib2

In [109]: url='http://xxx/login.php'

In [110]: user_agent='Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'

In [111]: values={'ver' : 'xxx', 'email' : 'xxx', 'password' : 'xxx', 'mac' : 'xxxx'}

In [112]: headers={'User-Agent' : user_agent}

In [114]: data=urllib.urlencode(values)

In [115]: req=urllib2.Request(url,data,headers)

In [116]: response=urllib2.urlopen(req)

In [117]: the_page=response.read()

In [118]: the_page

当给定的url不能连接时，urlopen()将报URLError异常，当给定的url内容不能访问时，urlopen()会报HTTPError异常

#/usr/bin/python

from urllib2 import Request,urlopen,URLError,HTTPError
req=Request('http://10.10.41.42/index.html')
try:
   response=urlopen(req)
except HTTPError as e:
   print 'The server couldn\'t fulfill the request.'
   print 'Error code:',e.code

except URLError as e:
   print 'We failed to fetch a server.'
   print 'Reason:',e.reason
else:
   print "Everything is fine"

这里需要注意的是在写异常处理时，HTTPError必须要写在URLError前面

#/usr/bin/python

from urllib2 import Request,urlopen,URLError,HTTPError
req=Request('http://10.10.41.42')
try:
   response=urlopen(req)

except URLError as e:
   if hasattr(e,'reason'):
      print 'We failed to fetch a server.'
      print 'Reason:',e.reason
   elif hasattr(e,'code'):
      print 'The server couldn\'t fulfill the request.'
      print 'Error code:',e.code
else:
   print "Everything is fine"

hasattr()函数判断一个对象是否有给定的属性

使用urllib2模块登录需要基本认证的页面

登录RabbitMQ的管理页面需要进行用户名和密码验证。

In [63]: url='http://172.30.25.179:15672/api/aliveness-test/%2f'

In [64]: username='guest'

In [65]: password='guest'

In [66]: mgr=urllib2.HTTPPasswordMgrWithDefaultRealm()

In [67]: s=mgr.add_password(None,url,username,password)

In [68]: handler=urllib2.HTTPBasicAuthHandler(mgr)

In [69]: opener=urllib2.build_opener(handler)

In [70]: opener.open(url).read()
Out[70]: '{"status":"ok"}'

json.loads(opener.open(url).read())

参考文档：

https://docs.python.org/2/library/urllib2.html#module-urllib2