python實現HTTP請求的三中方式：urllib2/urllib、httplib/urllib 以及Requests
urllib2/urllib實現
urllib2和urllib是python兩個內置的模塊，要實現HTTP功能，實現方式是以urllib2為主，urllib為輔
1 首先實現一個完整的請求與響應模型
- urllib2提供基礎函數urlopen，
import urllib2
response = urllib2.urlopen('http://www.cnblogs.com/guguobao')
html = response.read()
print html
- 改進，分兩步：請求和響應
#!coding:utf-8
import urllib2
#請求
request = urllib2.Request('http://www.cnblogs.com/guguobao')
#響應
response = urllib2.urlopen(request)
html = response.read()
print html
- 上面使用GET請求，下面改為POST請求，使用urllib。
#!coding:utf-8
import urllib
import urllib2
url = 'http://www.cnblogs.com/login'
postdata = {'username' : 'qiye',
'password' : 'qiye_pass'}
#info 需要被編碼為urllib2能理解的格式，這里用到的是urllib
data = urllib.urlencode(postdata)
req = urllib2.Request(url, data)
response = urllib2.urlopen(req)
html = response.read()
-
- 然而運行結果沒有輸出，因為服務器拒絕你的訪問，需要檢驗請求頭信息，來判斷是否是來自瀏覽器的請求
2 請求頭headers處理
-
把上面的列子添加User-Agent域和Referer域信息
- User-Agent：有些服務器或Proxy會檢查該值是否是瀏覽器發出的信息
- Content-Type：在使用REST接口時，服務器會檢查該值，確定HTTP body用什么解析。否則報錯，拒絕回應。取值詳情：http://www.runoob.com/http/http-content-type.html
- Referer:服務器檢查防盜鏈
#coding:utf-8
#請求頭headers處理:設置一下請求頭中的User-Agent域和Referer域信息
import urllib
import urllib2
url = 'http://www.xxxxxx.com/login'
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
referer='http://www.xxxxxx.com/'
postdata = {'username' : 'qiye',
'password' : 'qiye_pass'}
# 將user_agent,referer寫入頭信息
headers={'User-Agent':user_agent,'Referer':referer}
data = urllib.urlencode(postdata)
req = urllib2.Request(url, data,headers)
response = urllib2.urlopen(req)
html = response.read()
3 Cookie處理
- urllib2對Cookie的處理也是自動，使用CookieJar函數進行Cookie的管理，如果需要得到某個Cookie項的值，可以這樣：
import urllib2,cookielib
cookie = cookielib.CookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))
response = opener.open('http://www.zhihu.com')
for item in cookie:
print item.name+':'+item.name
- 但有時遇到情況，我們不想讓urllib2自動處理，我們想自己添加Cookie的內容，可以通過設置請求頭中的cookie域來做
import urllib2,cookielib
opener = urllib2.build_opener()
opener.addheaders.append(('Cookie','email='+'helloguguobao@gmail.com'))#Cookie和email替換什么值都可以，但不能沒有
req = urllib2.Request('http://www.zhihu.com')
response = opener.open(req)
print response.headers
retdata = response.read()
- 運行截圖
4 設置Timeout超時
- 在python2.6及新版中，urlopen函數提供對Timeout的設置：
import urllib2
request=urllib2.Request('http://www.zhihu.com')
response = urllib2.urlopen(request,timeout=2)
html=response.read()
print html
5 獲取HTTP響應碼
- 只要使用urlopen返回的response對象的getcode()方法就可以得到HTTP返回碼。
import urllib2
try:
response = urllib2.urlopen('http://www.google.com')
print response
except urllib2.HTTPError as e:
if hasattr(e, 'code'):
print 'Error code:',e.code
6. 重定向
- urllib2默認情況下會對HTTP 3XX返回碼自動進行重定向動作。要檢測是否發生重定向動作，只要檢查一下Response的URL和Request的URL是否一致：
import urllib2
response = urllib2.urlopen('http://www.zhihu.cn')
isRedirected = response.geturl() == 'http://www.zhihu.cn'
- 如果不想自動重定向，可以自定義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):
result =urllib2.HTTPRedirectHandler.http_error_301(self,req,fp,code,msg,headers)
result.status =code
result.newurl = result.geturl()
return result
opener = urllib2.build_opener(RedirectHandler)
opener.open('http://www.zhihu.cn')
7 Proxy的設置
- 在做爬蟲開發中，可能會用到代理。urllib2默認會使用環境變量http_proxy來設置HTTP Proxy。但是我們一般不采用這種方法，而是使用ProxyHandler在程序中動態設置代理
import urllib2
proxy = urllib2.ProxyHandler({'http': '127.0.0.1:1080'})# 運行時需要把socketsocks關閉系統代理。並使用1080端口，或者直接退出socketsocks軟件
opener = urllib2.build_opener(proxy)
urllib2.install_opener(opener)
response = urllib2.urlopen('http://www.zhihu.com/')
print response.read()
這里要注意一個細節，使用urllib2.install_opener()會設置urllib2的全局opener，之后，所有的HTTP訪問都會使用這個代理，這樣很方便，但是，想在程序中使用兩個不同的代理，就不能使用install_opener去更改全局的設置，而是直接調用urllib2.open()
import urllib2
proxy = urllib2.ProxyHandler({'http': '127.0.0.1:1080'})
opener = urllib2.build_opener(proxy,)
response = opener.open("http://www.google.com/")
print response.read()
運行時需要把socketsocks關閉系統代理。