一 urlib模块

利用urllib模块可以打开任意个url。

1. urlopen() 打开一个url返回一个文件对象，可以进行类似文件对象的操作。

In [308]: import urllibIn [309]: file=urllib.urlopen(' In [310]: file.readline()Out[310]: '
     
     
      
       
       
       
       
       
       
       
       
       
      
     

可以用read(),readlines(),fileno(),close()这些函数

In [337]: file.info()Out[337]: 
     
      In [338]: file.getcode()Out[338]: 200In [339]: file.geturl()Out[339]: 'http://www.baidu.com/'
     

2.urlretrieve() 将url对应的html页面保存为文件

In [404]: filename=urllib.urlretrieve('http://www.baidu.com/',filename='/tmp/baidu.html')In [405]: type (filename)Out[405]: 
     
      In [406]: filename[0]Out[406]: '/tmp/baidu.html'In [407]: filenameOut[407]: ('/tmp/baidu.html', 
      
       )In [408]: filename[1]Out[408]: 
       
      
     

3.urlcleanup()  清除由urlretrieve()产生的缓存

In [454]: filename=urllib.urlretrieve('http://www.baidu.com/',filename='/tmp/baidu.html')In [455]: urllib.urlcleanup()

4.urllib.quote()和urllib.quote_plus() 将url进行编码 

In [483]: urllib.quote('http://www.baidu.com')Out[483]: 'http%3A//www.baidu.com'In [484]: urllib.quote_plus('http://www.baidu.com')Out[484]: 'http%3A%2F%2Fwww.baidu.com'

5.urllib.unquote()和urllib.unquote_plus() 将编码后的url解码

In [514]: urllib.unquote('http%3A//www.baidu.com')Out[514]: 'http://www.baidu.com'In [515]: urllib.unquote_plus('http%3A%2F%2Fwww.baidu.com')Out[515]: 'http://www.baidu.com'

6.urllib.urlencode() 将url中的键值对以&划分，可以结合urlopen()实现POST方法和GET方法

In [560]: import urllibIn [561]: params=urllib.urlencode({'spam':1,'eggs':2,'bacon':0})In [562]: f=urllib.urlopen("http://python.org/query?%s" %params)In [563]: f.readline()Out[563]: '\n'In [564]: f.readlines()Out[564]: ['
     \n', '
     \n', '
     \n', '
     
     
        
      \n', '\n',
     

二  urllib2模块

urllib2比urllib多了些功能，例如提供基本的认证，重定向，cookie等功能

 

In [566]: import urllib2In [567]: f=urllib2.urlopen('http://www.python.org/')In [568]: print f.read(100)--------> print(f.read(100))
     

打开python的官网并返回头100个字节内容

HTTP基于请求和响应，客户端发送请求，服务器响应请求。urllib2使用一个Request对象代表发送的请求，调用urlopen()打开Request对象可以返回一个response对象。reponse对象是一个类似文件的对象，可以像文件一样进行操作

In [630]: import urllib2In [631]: req=urllib2.Request('http://www.baidu.com')In [632]: response=urllib2.urlopen(req)In [633]: the_page=response.read()In [634]: the_pageOut[634]: '
     
     
      
       
       
       
      
     

通常情况下需要向一个url以POST的方式发送数据。

In [763]: import urllibIn [764]: import urllib2In [765]: url='http://xxxxxx/login.php'In [766]: values={'ver' : '1.7.1', 'email' : 'xxxxx', 'password' : 'xxxx', 'mac' : '111111111111'}In [767]: data=urllib.urlencode(values)In [768]: req=urllib2.Request(url,data)In [769]: response=urllib2.urlopen(req)In [770]: the_page=response.read()In [771]: the_page

如果不使用urllib2.Request()发送data参数，urllib2使用GET请求，GET请求和POST请求差别在于POST请求常有副作用，POST请求会通过某些方式改变系统的状态。也可以通过GET请求发送数据。

In [55]: import urllib2In [56]: import urllibIn [57]: url='http://xxx/login.php'In [58]: values={'ver' : 'xxx', 'email' : 'xxx', 'password' : 'xxx', 'mac' : 'xxx'}In [59]: data=urllib.urlencode(values)In [60]: full_url=url + '?' + dataIn [61]: the_page=urllib2.urlopen(full_url)In [63]: the_page.read()Out[63]: '{"result":0,"data":0}'

默认情况下,urllib2使用Python-urllib/2.6 表明浏览器类型，可以通过增加User-Agent HTTP头

In [107]: import urllibIn [108]: import urllib2In [109]: url='http://xxx/login.php'In [110]: user_agent='Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'In [111]: values={'ver' : 'xxx', 'email' : 'xxx', 'password' : 'xxx', 'mac' : 'xxxx'}In [112]: headers={'User-Agent' : user_agent}In [114]: data=urllib.urlencode(values)In [115]: req=urllib2.Request(url,data,headers)In [116]: response=urllib2.urlopen(req)In [117]: the_page=response.read()In [118]: the_page

当给定的url不能连接时，urlopen()将报URLError异常，当给定的url内容不能访问时，urlopen()会报HTTPError异常

#/usr/bin/pythonfrom urllib2 import Request,urlopen,URLError,HTTPErrorreq=Request('http://10.10.41.42/index.html')try:   response=urlopen(req)except HTTPError as e:   print 'The server couldn\'t fulfill the request.'   print 'Error code:',e.codeexcept URLError as e:   print 'We failed to fetch a server.'   print 'Reason:',e.reasonelse:   print "Everything is fine"

这里需要注意的是在写异常处理时，HTTPError必须要写在URLError前面

#/usr/bin/pythonfrom urllib2 import Request,urlopen,URLError,HTTPErrorreq=Request('http://10.10.41.42')try:   response=urlopen(req)except URLError as e:   if hasattr(e,'reason'):      print 'We failed to fetch a server.'      print 'Reason:',e.reason   elif hasattr(e,'code'):      print 'The server couldn\'t fulfill the request.'      print 'Error code:',e.codeelse:   print "Everything is fine"

hasattr()函数判断一个对象是否有给定的属性

使用urllib2模块登录需要基本认证的页面

登录RabbitMQ的管理页面需要进行用户名和密码验证。

In [63]: url='http://172.30.25.179:15672/api/aliveness-test/%2f'In [64]: username='guest'In [65]: password='guest'In [66]: mgr=urllib2.HTTPPasswordMgrWithDefaultRealm()In [67]: s=mgr.add_password(None,url,username,password)In [68]: handler=urllib2.HTTPBasicAuthHandler(mgr)In [69]: opener=urllib2.build_opener(handler)In [70]: opener.open(url).read()Out[70]: '{"status":"ok"}'json.loads(opener.open(url).read())

参考文档：