Python網路程式設計中urllib2模組的用法總結

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。