-
- urllib2可以接管一个Request对象，并以此可以来设置一个URL的headers，然则urllib只接管一个URL。这意味着，你不克不及假装你的用户字符串等。
- urllib模块可以供给进行urlencode的办法，该办法用于GET查询字符串的生成，urllib2的不具有如许的功能。这就是urllib与urllib2经常在一路应用的原因。
urllib与urllib2的进修总结（python2.7.X）
添加时间:2013-5-7 点击量:先烦琐一句，我应用的版本是python2.7，没有应用3.X的原因是我感觉2.7的扩大斗劲多，且较之前的版本变更不大，应用顺手。3.X的确就是性的变更，用的蹩手。3.x的版本urllib与urllib2已经归并为一个urllib库，学着斗劲清楚些，2.7的版本呢urllib与urllib2各有各的感化，下面我把本身进修官方文档和其他材料的总结写下，便利今后应用。
urllib与urllib2并不是可以庖代的，只能说2是一个补充吧。先来看看他们俩的差别，有一篇文章把urllib与urllib2的关系说的很熟悉打听《difference between urllib and urllib2》，意思如下。
Python的urllib和urllib2模块都做与恳求URL相干的操纵，但他们供给不合的功能。他们两个最光鲜明显的差别如下：
这两点对于用过urllib与urllib2的人来说斗劲好懂得，然则对于没用过的还是不克不及有好的懂得，下面参考官方的文档，把本身对urllib与urllib2的进修内容总结如下。
A.urllib2概述
urllib2模块定义的函数和类用来获取URL（主如果HTTP的），他供给一些错杂的接口用于处理惩罚： 根蒂根基认证，重定向，Cookies等。
urllib2支撑很多的“URL schemes”（由URL中的“：”之前的字符串断定 - 例如“FTP”的URL规划如“ftp://python.org/”），且他还支撑其相干的收集和谈（如FTP，HTTP）。我们则重点存眷HTTP。
在简单的景象下，我们会应用urllib2模块的最常用的办法urlopen。但只要打开HTTP URL时碰到错误或异常的景象下，就须要一些HTTP传输和谈的常识。我们没有须要把握HTTP RFC2616。这是一个最周全和最权势巨子的技巧文档，且不易于浏览。在应用urllib2时会用到HTTP RFC2616相干的常识，懂得即可。
B.常用办法和类
1） urllib2.urlopen（url[， data][， timeout]）
urlopen办法是urllib2模块最常用也最简单的办法，它打开URL网址，url参数可所以一个字符串url或者是一个Request对象。URL没什么可说的，Request对象和data在request类中申明，定义都是一样的。
对于可选的参数timeout，梗阻操纵以秒为单位，如测验测验连接（若是没有指定，将应用设置的全局默认timeout值）。实际上这仅实用于HTTP，HTTPS和FTP连接。
先看只包含URL的恳求例子：
import urllib2
response = urllib2.urlopen（http://python.org/）
html = response.read（）urlopen办法也可经由过程建树了一个Request对象来明白指明想要获取的url。调用urlopen函数对恳求的url返回一个response对象。这个response类似于一个file对象，所以用.read（）函数可以操纵这个response对象，关于urlopen函数的返回值的应用，我们下面再具体说。
import urllib2
req = urllib2.Request（http://python.org/）
response = urllib2.urlopen（req）
the_page = response.read（）这里用到了urllib2.Request类，对于上例，我们只经由过程了URL实例化了Request类的对象，其实Request类还有其他的参数。
2） class urllib2.Request（url[， data][， headers][， origin_req_host][， unverifiable]）
Request类是一个抽象的URL恳求。5个参数的申明如下
URL——是一个字符串，此中包含一个有效的URL。
data——是一个字符串，指定额外的数据发送到办事器，若是没有data须要发送可认为“None”。今朝应用data的HTTP恳求是独一的。当恳求含有data参数时，HTTP的恳求为POST，而不是GET。数据应当是缓存在一个标准的application/x-www-form-urlencoded格局中。urllib.urlencode（）函数用映射或2元组，返回一个这种格局的字符串。通俗的说就是若是想向一个URL发送数据（凡是这些数据是代表一些CGI脚本或者其他的web应用）。对于HTTP来说这动作叫Post。例如在网上填的form（表单）时，浏览器会POST表单的内容，这些数据须要被以标准的格局编码（encode），然后作为一个数据参数传送给Request对象。Encoding是在urlib模块中完成的，而不是在urlib2中完成的。下面是个例子：
import urllib
import urllib2
url = http://www.someserver.com/cgi-bin/register.cgi
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（）headers——是字典类型，头字典可以作为参数在request时直接传入，也可以把每个键和值作为参数调用add_header（）办法来添加。作为判袂浏览器身份的User-Agent header是经常被用来和假装的，因为一些HTTP办事只容许某些恳求来自常见的浏览器而不是脚本，或是针对不合的浏览器返回不合的版本。例如，Mozilla Firefox浏览器被辨认为“Mozilla/5.0 （X11; U; Linux i686） Gecko/20071127 Firefox/2.0.0.11”。默认景象下，urlib2把本身辨认为Python-urllib/x.y（这里的xy是python发行版的首要或次要的版本号，如在Python 2.6中，urllib2的默认用户字符串是“Python-urllib/2.6。下面的例子和上方的差别就是在恳求时加了一个headers，仿照IE浏览器提交恳求。
import urllib
import urllib2
url = http://www.someserver.com/cgi-bin/register.cgi
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（）标准的headers构成是（Content-Length， Content-Type and Host），只有在Request对象调用urlopen（）（上方的例子也属于这个景象）或者OpenerDirector.open（）时参加。两种景象的例子如下：
应用headers参数机关Request对象，如上例在生成Request对象时已经初始化header，而下例是Request对象调用add_header（key， val）办法附加header（Request对象的办法下面再介绍）：
import urllib2
req = urllib2.Request（http://www.example.com/）
req.add_header（Referer， http://www.python.org/）
r = urllib2.urlopen（req）OpenerDirector为每一个Request主动加上一个User-Agent header，所以第二种办法如下（urllib2.build_opener会返回一个OpenerDirector对象，关于urllib2.build_opener类下面再说）：
import urllib2
opener = urllib2.build_opener（）
opener.addheaders = [（User-agent， Mozilla/5.0）]
opener.open（http://www.example.com/）最后两个参数仅仅是对正确操纵第三方HTTP cookies 感爱好，很罕用到：
origin_req_host——是RFC2965定义的源交互的request-host。默认的取值是cookielib.request_host（self）。这是由用户创议的原始恳求的主机名或IP地址。例如，若是恳求的是一个HTML文档中的图像，这应当是包含该图像的页面恳求的request-host。
unverifiable ——代表恳求是否是无法验证的，它也是由RFC2965定义的。默认值为false。一个无法验证的恳求是，其用户的URL没有足够的权限来被接管。例如，若是恳求的是在HTML文档中的图像，然则用户没有主动抓取图像的权限，unverifiable的值就应当是true。
3） urllib2.install_opener（opener）和urllib2.build_opener（[handler， ...]）
install_opener和build_opener这两个办法凡是都是在一路用，也有时辰build_opener零丁应用来获得OpenerDirector对象。
install_opener实例化会获得OpenerDirector 对象用来付与全局变量opener。若是想用这个opener来调用urlopen，那么就必须实例化获得OpenerDirector；如许就可以简单的调用OpenerDirector.open（）来庖代urlopen（）。
build_opener实例化也会获得OpenerDirector对象，此中参数handlers可以被BaseHandler或他的子类实例化。子类中可以经由过程以下实例化：ProxyHandler （若是检测设置用）， UnknownHandler， HTTPHandler， HTTPDefaultErrorHandler， HTTPRedirectHandler， FTPHandler， FileHandler， HTTPErrorProcessor。
import urllib2
req = urllib2.Request（http://www.python.org/）
opener=urllib2.build_opener（）
urllib2.install_opener（opener）
f = opener.open（req）如上应用 urllib2.install_opener（）设置 urllib2 的全局 opener。如许后面的应用会很便利，但不克不及做更细粒度的把握，比如想在法度中应用两个不合的 Proxy 设置等。斗劲好的做法是不应用 install_opener 去更改全局的设置，而只是直接调用 opener的open 办法庖代全局的 urlopen 办法。
说到这Opener和Handler之间的操纵听起来有点晕。收拾下思路就清楚了。当获取一个URL时，可以应用一个opener（一个urllib2.OpenerDirector实例对象，可以由build_opener实例化生成）。正常景象下法度一向经由过程urlopen应用默认的opener（也就是说当你应用urlopen办法时，是在隐式的应用默认的opener对象），但也可以创建自定义的openers（经由过程操纵器handlers创建的opener实例）。所有的重活和麻烦都交给这些handlers来做。每一个handler知道如何故一种特定的和谈（http，ftp等等）打开url，或者如何处理惩罚打开url产生的HTTP重定向，或者包含的HTTP cookie。创建openers时若是想要安装特此外handlers来实现获取url（如获取一个处理惩罚cookie的opener，或者一个不处理惩罚重定向的opener）的话，先实例一个OpenerDirector对象，然后多次调用.add_handler（some_handler_instance）来创建一个opener。或者，你可以用build_opener，这是一个很便利的创建opener对象的函数，它只有一个函数调用。build_opener默认会参加很多handlers，它供给了一个快速的办法添加更多器材和使默认的handler失效。
install_opener如上所述也能用于创建一个opener对象，然则这个对象是（全局）默认的opener。这意味着调用urlopen将会用到你刚创建的opener。也就是说上方的代码可以等同于下面这段。这段代码终极还是应用的默认opener。一般景象下我们用build_opener为的是生成自定义opener，没有须要调用install_opener，除非是为了便利。import urllib2
req = urllib2.Request（http://www.python.org/）
opener=urllib2.build_opener（）
urllib2.install_opener（opener）
f = urllib2.urlopen（req）
C.异常处理惩罚调用urllib2.urlopen的时辰不会老是这么顺利，就像浏览器打开url时有时也会报错，所以就须要我们有应对异常的处理惩罚。
说到异常，我们先来懂得返回的response对象的几个常用的办法：geturl（） — 返回检索的URL资料，这个是返回的真正url，凡是是用来剖断是否重定向的，如下面代码4行url若是便是“http://www.python.org/ ”申明没有被重定向。
info（） — 返回页面的原信息就像一个字段的对象， 如headers，它以mimetools.Message实例为格局（可以参考HTTP Headers申明）。
getcode（） — 返回响应的HTTP状况代码，运行下面代码可以获得code=200，具体各个code代表的意思请拜见文后附录。
1 import urllib2
2 req = urllib2.Request（http://www.python.org/）
3 response=urllib2.urlopen（req）
4 url=response.geturl（）
5 info=response.info（）
6 code=response.getcode（）当不克不及处理惩罚一个response时，urlopen抛出一个URLError（对于python APIs，内建异常如，ValueError， TypeError 等也会被抛出。）
HTTPError是HTTP URL在特此外景象下被抛出的URLError的一个子类。下面就具体说说URLError和HTTPError。URLError——handlers当运行呈现题目时（凡是是因为没有收集连接也就是没有路由到指定的办事器，或在指定的办事器不存在），抛出这个异常.它是IOError的子类.这个抛出的异常包含一个‘reason’ 属性，他包含一个错误编码和一个错误文字描述。如下面代码，request恳求的是一个无法接见的地址，捕获到异常后我们打印reason对象可以看到错误编码和文字描述。
1 import urllib2
2 req = urllib2.Request（http://www.python11.org/）
3 try:
4 response=urllib2.urlopen（req）
5 except urllib2.URLError，e:
6 print e.reason
7 print e.reason[0]
8 print e.reason[1]运行成果：
HTTPError——HTTPError是URLError的子类。每个来自办事器HTTP的response都包含“status code”. 有时status code不克不及处理惩罚这个request. 默认的处理惩罚法度将处理惩罚这些异常的responses。例如，urllib2发明response的URL与你恳求的URL不应时也就是产生了重定向时，会主动处理惩罚。对于不克不及处理惩罚的恳求， urlopen将抛出HTTPError异常. 典范的错误包含‘404’ （没有找到页面）， ‘403’ （禁止恳求），‘401’ （须要验证）等。它包含2个首要的属性reason和code。
当一个错误被抛出的时辰，办事器返回一个HTTP错误代码和一个错误页。你可以应用返回的HTTP错误示例。这意味着它不单具有code和reason属性，并且同时具有read，geturl，和info等办法，如下代码和运行成果。
import urllib2
req = urllib2.Request（http://www.python.org/fish.html）
try:
response=urllib2.urlopen（req）
except urllib2.HTTPError，e:
print e.code
print e.reason
print e.geturl（）
print e.read（）运行成果:
若是我们想同时处理惩罚HTTPError和URLError，因为HTTPError是URLError的子类，所以应当把捕获HTTPError放在URLError前面，如不然URLError也会捕获一个HTTPError错误，代码参考如下：
1 import urllib2
2 req = urllib2.Request（http://www.python.org/fish.html）
3 try:
4 response=urllib2.urlopen（req）
5 except urllib2.HTTPError，e:
6 print The server couldn\t fulfill the request.
7 print Error code: ，e.code
8 print Error reason: ，e.reason
9 except urllib2.URLError，e:
10 print We failed to reach a server.
11 print Reason: ， e.reason
12 else:
13 ＃ everything is fine
14 response.read（）如许捕获两个异常看着不爽，并且HTTPError还是URLError的子类，我们可以把代码改进如下：
1 import urllib2
2 req = urllib2.Request（http://www.python.org/fish.html）
3 try:
4 response=urllib2.urlopen（req）
5 except urllib2.URLError as e:
6 if hasattr（e， reason）:
7 ＃HTTPError and URLError all have reason attribute.
8 print We failed to reach a server.
9 print Reason: ， e.reason
10 elif hasattr（e， code）:
11 ＃Only HTTPError has code attribute.
12 print The server couldn\t fulfill the request.
13 print Error code: ， e.code
14 else:
15 ＃ everything is fine
16 response.read（）关于错误编码因为处理惩罚法度默认的处理惩罚重定向（错误码局限在300内），错误码在100-299局限内的默示恳求成功，所以凡是会看到的错误代码都是在400-599的局限内。具体错误码的申明看附录。
写到这上方多次提到了重定向，也说了重定向是如何断定的，并且法度对于重定向时默认处理惩罚的。如何禁止法度主动重定向呢，我们可以自定义HTTPRedirectHandler 类，代码参考如下：
1 class SmartRedirectHandler（urllib2.HTTPRedirectHandler）:
2 def http_error_301（self， req， fp， code， msg， headers）:
3 result = urllib2.HTTPRedirectHandler.http_error_301（self， req， fp， code， msg， headers）
4 return result
5
6 def http_error_302（self， req， fp， code， msg， headers）:
7 result = urllib2.HTTPRedirectHandler.http_error_302（self， req， fp， code， msg， headers）
8 return result附录：
1 ＃ Table mapping response codes to messages; entries have the
2 ＃ form {code: （shortmessage， longmessage）}.
3 responses = {
4 100: （Continue， Request received， please continue），
5 101: （Switching Protocols，
6 Switching to new protocol; obey Upgrade header），
7
8 200: （OK， Request fulfilled， document follows），
9 201: （Created， Document created， URL follows），
10 202: （Accepted，
11 Request accepted， processing continues off-line），
12 203: （Non-Authoritative Information， Request fulfilled cache），
13 204: （No Content， Request fulfilled， nothing follows），
14 205: （Reset Content， Clear input form for further input.），
15 206: （Partial Content， Partial content follows.），
16
17 300: （Multiple Choices，
18 Object has several resources -- see URI list），
19 301: （Moved Permanently， Object moved permanently -- see URI list），
20 302: （Found， Object moved temporarily -- see URI list），
21 303: （See Other， Object moved -- see Method and URL list），
22 304: （Not Modified，
23 Document has not changed since given time），
24 305: （Use Proxy，
25 You must use proxy specified in Location to access this
26 resource.），
27 307: （Temporary Redirect，
28 Object moved temporarily -- see URI list），
29
30 400: （Bad Request，
31 Bad request syntax or unsupported method），
32 401: （Unauthorized，
33 No permission -- see authorization schemes），
34 402: （Payment Required，
35 No payment -- see charging schemes），
36 403: （Forbidden，
37 Request forbidden -- authorization will not help），
38 404: （Not Found， Nothing matches the given URI），
39 405: （Method Not Allowed，
40 Specified method is invalid for this server.），
41 406: （Not Acceptable， URI not available in preferred format.），
42 407: （Proxy Authentication Required， You must authenticate with
43 this proxy before proceeding.），
44 408: （Request Timeout， Request timed out; try again later.），
45 409: （Conflict， Request conflict.），
46 410: （Gone，
47 URI no longer exists and has been permanently removed.），
48 411: （Length Required， Client must specify Content-Length.），
49 412: （Precondition Failed， Precondition in headers is false.），
50 413: （Request Entity Too Large， Entity is too large.），
51 414: （Request-URI Too Long， URI is too long.），
52 415: （Unsupported Media Type， Entity body in unsupported format.），
53 416: （Requested Range Not Satisfiable，
54 Cannot satisfy request range.），
55 417: （Expectation Failed，
56 Expect condition could not be satisfied.），
57
58 500: （Internal Server Error， Server got itself in trouble），
59 501: （Not Implemented，
60 Server does not support this operation），
61 502: （Bad Gateway， Invalid responses another server/proxy.），
62 503: （Service Unavailable，
63 The server cannot process the request due to a high load），
64 504: （Gateway Timeout，
65 The gateway server did not receive a timely response），
66 505: （HTTP Version Not Supported， Cannot fulfill request.），
67 }
