一、最基礎的應用
import urllib2 url = r'http://www.baidu.com' html = urllib2.urlopen(url).read() print html
客戶端與伺服器端透過request與response來溝通,客戶端先傳送request,再接收服務端傳回的response
urllib2提供了request的類,可以讓使用者在發送請求前先建構一個request的對象,然後透過urllib2.urlopen方法來發送請求
import urllib2 url = r'http://www.baidu.com' req = urllib2.Request(url) html = urllib2.urlopen(req).read() print html
上例先使用
req = urllib2.Request(url)
實例化一個resquest對象,接下來使用
urllib2.urlopen(req)
來開啟這個網頁。
我們注意到在實例化Request物件的時候,隊了url是必須的,還有幾個預設的參數
基中data與header也是使用的比較多的,一些需要登入的才能瀏覽的網站經常需要這兩個參數
import urllib import urllib2 url = 'http://www.baidu.com/' values = {'name' : 'Michael Foord', 'location' : 'Northampton','language' : 'Python' } data = urllib.urlencode(values) req = urllib2.Request(url,data) response = urllib2.urlopen(req) the_page = response.read() print the_page
這個例子是向百度發送幾個數據,這個例子是會返回一個錯誤頁面,很正常,因為我們在訪問百度的時候並不需要post什麼信息,post了倒是會出錯
百度是找不到對應的網頁就會報錯。
當然這個是POST數據,也可以用在GET方法,稍將上面的程式碼進行改造
百度是透過http://www.baidu.com/s?wd=XXX 來查詢的,這樣我們需要將{‘wd':'xxx'}這個字典進行urlencode
#coding:utf-8 import urllib import urllib2 url = 'http://www.baidu.com/s' values = {'wd':'杨彦星'} data = urllib.urlencode(values) print data url2 = url+'?'+data response = urllib2.urlopen(url2) the_page = response.read() print the_page
以下以模擬登入人人網然後再顯示首頁內容為例來詳細說明一下cookie的使用,以下是文件中給的例子,我們就透過改造這個例子來實現我們想要的功能
import cookielib, urllib2 cj = cookielib.CookieJar() opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj)) r = opener.open("http://example.com/") #coding:utf-8 import urllib2,urllib import cookielib url = r'http://www.renren.com/ajaxLogin' #创建一个cj的cookie的容器 cj = cookielib.CookieJar() opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj)) #将要POST出去的数据进行编码 data = urllib.urlencode({"email":email,"password":pass}) r = opener.open(url,data) print cj
當你看到有cj的時候,說明你已經訪問了登錄頁面,是否正常登錄你現在還看不出來,可以通過訪問http://www.renren.com/home 來查看
上面的程式碼有兩點要說明,我也是看了很久才明白
r = opener.open(url,data)
這句話,為什麼要使用opener這個物件來open,而不是用utllib2,urlopen?不光是例子裡這麼寫,我們才這麼寫,透過改造我們也可以使用urllib2.urlopen,其實是因為opener是urllib2.bulid_opener創造出來的, 但是你可以這樣理解,他build出來後,自已卻並沒有安裝使用它,也沒有它的屬性與方法,如果想使urllib2也具有opener的屬性與方法,可以先使用urllib2.install_opener( opener)來"安裝"這個opener,安裝完以後就可以使用urllib2來操作了
#coding:utf-8 import urllib2,urllib import cookielib url = r'http://www.renren.com/ajaxLogin' #创建一个cj的cookie的容器 cj = cookielib.CookieJar() opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj)) urllib2.install_opener(opener) #将要POST出去的数据进行编码 data = urllib.urlencode({"email":email,"password":pass}) #r = opener.open(url,data)如果没有上面的urllib2.install_opener方法,就必须这样写了 r = urllib2.urlopen(url,data) html = urllib2.urlopen('http://www.renren.com/home').read() print html
同樣urllib2還有proxy相關的handle,基本的思路和這個差不多。
二、異常處理
當urlopen()無法處理回應時會造成URLError異常。 HTTPError異常是URLError的子類,只有在存取HTTP類型的URL時才會引起。
1、URLError異常
通常引起URLError的原因是:無網路連線(沒有到目標伺服器的路由)、存取的目標伺服器不存在。在這種情況下,異常物件會有reason屬性(是一個(錯誤碼、錯誤原因)的元組)。
#! /usr/bin/env python #coding=utf-8 import urllib2 url="http://www.baidu.com/" try: response=urllib2.urlopen(url) except urllib2.URLError,e: print e.reason
2、HTTPError
每一個從伺服器回傳的HTTP回應都有一個狀態碼。其中,有的狀態碼表示伺服器不能完成對應的請求,預設的處理程序可以為我們處理一些這樣的狀態碼(如傳回的回應是重定向,urllib2會自動為我們從重定向後的頁面中取得資訊) 。有些狀態碼,urllib2模組不能幫我們處理,那麼urlopen函數就會造成HTTPError異常,其中典型的有404/401。
HTTPError異常的實例有整數類型的code屬性,表示伺服器傳回的錯誤狀態碼。
urllib2模組預設的處理程序可以處理重定向(狀態碼是300範圍),而且狀態碼在100-299範圍內表示成功。因此,能夠引起HTTPError異常的狀態碼範圍為:400-599.
當造成錯誤時,伺服器會傳回HTTP錯誤碼和錯誤頁面。你可以將HTPError實例當作傳回頁面,這意味著,HTTPError實例不僅有code屬性,還有read、geturl、info等方法。
#! /usr/bin/env python #coding=utf-8 import urllib2 url="http://cs.scu.edu.cn/~duanlei" try: response=urllib2.urlopen(url) except urllib2.HTTPError,e: print e.code print e.read()
3、總結
如果想在程式碼中處理URLError和HTTPError有兩種方法,程式碼如下:
#! /usr/bin/env python #coding=utf-8 import urllib2 url="xxxxxx" #需要访问的URL try: response=urllib2.urlopen(url) except urllib2.HTTPError,e: #HTTPError必须排在URLError的前面 print "The server couldn't fulfill the request" print "Error code:",e.code print "Return content:",e.read() except urllib2.URLError,e: print "Failed to reach the server" print "The reason:",e.reason else: #something you should do pass #其他异常的处理 #! /usr/bin/env python #coding=utf-8 import urllib2 url="http://xxx" #需要访问的URL try: response=urllib2.urlopen(url) except urllib2.URLError,e: if hasattr(e,"reason"): print "Failed to reach the server" print "The reason:",e.reason elif hasattr(e,"code"): print "The server couldn't fulfill the request" print "Error code:",e.code print "Return content:",e.read() else: pass #其他异常的处理
相比較而言,第二種異常處理方法較優。