[Python]網路爬蟲（四）：Opener與Handler的介紹與實例應用

在開始後面的內容之前，先來解釋一下urllib2中的兩個個方法：info and geturl 

urlopen回傳的應答物件response(或HTTPError實例)有兩個很有用的方法info()和geturl()

1.geturl()：

這個返回獲取的真實的URL，這個很有用，因為urlopen(或opener物件使用的)或許會有重定向。取得的URL或許跟請求URL不同。

以人人中的一個超級連結為例,

我們建造一個urllib2_test10.py來比較一下原始URL和重定向的連結：

from urllib2 import Request, urlopen, URLError, HTTPError  
  
  
old_url = 'http://rrurl.cn/b1UZuP'  
req = Request(old_url)  
response = urlopen(req)    
print 'Old url :' + old_url  
print 'Real url :' + response.geturl()

運行之後可以看到真正的連結指向的網址：

2.info()：

這個返回對象的字典對象，該字典描述了獲取的頁面情況。通常是伺服器發送的特定頭headers。目前是httplib.HTTPMessage 實例。

經典的headers包含"Content-length"，"Content-type"，和其他內容。

我們建造一個urllib2_test11.py來測試一下info的應用：

from urllib2 import Request, urlopen, URLError, HTTPError  
  
old_url = 'http://www.baidu.com'  
req = Request(old_url)  
response = urlopen(req)    
print 'Info():'  
print response.info()

運行的結果如下，可以看到頁面的相關資訊：

重要概念：Openers和Handlers。

1.Openers：

當你取得一個URL你使用一個opener(一個urllib2.OpenerDirector的實例)。

正常情況下，我們使用預設opener：透過urlopen。

但你能夠創造個性的openers。

2.Handles：

Openers使用處理器handlers，所有的「繁重」工作由handlers處理。

每個handlers知道如何透過特定協定開啟URLs，或如何處理URL開啟時的各個方面。

例如HTTP重定向或HTTP cookies。

如果你希望用特定處理器取得URLs你會想要建立一個openers，例如取得一個能處理cookie的opener，或是取得一個不重定向的opener。

要建立一個 opener，可以實例化一個OpenerDirector，

然後呼叫.add_handler(some_handler_instance)。

同樣，可以使用build_opener，這是一個更方便的函數，用來建立opener對象，他只需要一次函數呼叫。
build_opener預設添加幾個處理器，但提供快速的方法來新增或更新預設處理器。

其他的處理器handlers你或許會希望處理代理，驗證，和其他常用但有點特殊的情況。

install_opener 用來建立（全域）預設opener。這個表示調用urlopen將使用你安裝的opener。

Opener物件有一個open方法。

該方法可以像urlopen函數那樣直接用來取得urls：通常不必呼叫install_opener，除了為了方便。

說完了上面兩個內容，下面我們來看一下基本認證的內容，這裡會用到上面提及的Opener和Handler。

Basic Authentication 基本驗證

為了展示創建和安裝一個handler，我們將使用HTTPBasicAuthHandler。

當需要基礎驗證時，伺服器發送一個header(401錯誤碼) 請求驗證。這個指定了scheme 和一個'realm'，看起來像這樣：Www-authenticate: SCHEME realm="REALM".

例如
Www-authenticate: Basic realm="cPanel Users"

請求，並在請求頭裡包含正確的姓名和密碼。

這是“基礎驗證”，為了簡化這個過程，我們可以創建一個HTTPBasicAuthHandler的實例，並讓opener使用這個handler就可以啦。

HTTPBasicAuthHandler使用一個密碼管理的物件來處理URLs和realms來對應使用者名稱和密碼。

如果你知道realm(從伺服器發送來的頭裡)是什麼，你就能使用HTTPPasswordMgr。

通常人們不關心realm是什麼。那樣的話，就能用方便的HTTPPasswordMgrWithDefaultRealm。

這個將在你為URL指定一個預設的使用者名稱和密碼。

這將在你為特定realm提供一個其他組合時得到提供。

我們透過給realm參數指定None提供給add_password來指示這種情況。

最高層次的URL是第一個要求驗證的URL。你傳給.add_password()更深層的URLs將同樣合適。

說了這麼多廢話，以下來用一個範例示範上面說到的內容。

我們建一個urllib2_test12.py來測試一下info的應用：

# -*- coding: utf-8 -*-  
import urllib2  
  
# 创建一个密码管理者  
password_mgr = urllib2.HTTPPasswordMgrWithDefaultRealm()  
  
# 添加用户名和密码  
  
top_level_url = "http://example.com/foo/"  
  
# 如果知道 realm, 我们可以使用他代替 ``None``.  
# password_mgr.add_password(None, top_level_url, username, password)  
password_mgr.add_password(None, top_level_url,'why', '1223')  
  
# 创建了一个新的handler  
handler = urllib2.HTTPBasicAuthHandler(password_mgr)  
  
# 创建 "opener" (OpenerDirector 实例)  
opener = urllib2.build_opener(handler)  
  
a_url = 'http://www.baidu.com/'  
  
# 使用 opener 获取一个URL  
opener.open(a_url)  
  
# 安装 opener.  
# 现在所有调用 urllib2.urlopen 将用我们的 opener.  
urllib2.install_opener(opener)

注意：以上的例子我們只提供我們的HHTPBasicAuthHandler給build_opener。

預設的openers有正常狀況的handlers：ProxyHandler，UnknownHandler，HTTPHandler，HTTPDefaultErrorHandler， HTTPRedirectHandler，FTPHandler， FileHandler， HTTPErrorProcessor。

程式碼中的top_level_url 其實可以是完整URL(包含"http:"，以及主機名稱及可選的連接埠號碼)。

例如：http://example.com/。

也可以是一個「authority」(即主機名稱和可選的包含連接埠號碼)。

例如：「example.com」 or “example.com:8080”。

後者包含了連接埠號碼。

以上是 [Python]網路爬蟲（四）：Opener與Handler的介紹和實例應用的內容，更多相關內容請關注PHP中文網（www.php.cn）！