Python网络编程中urllib2模块的用法总结

一、最基础的应用

    import urllib2

    url = r'http://www.baidu.com'
    html = urllib2.urlopen(url).read()

    print html

客户端与服务器端通过request与response来沟通，客户端先向服务端发送request，然后接收服务端返回的response

urllib2提供了request的类，可以让用户在发送请求前先构造一个request的对象，然后通过urllib2.urlopen方法来发送请求

    import urllib2

    url = r'http://www.baidu.com'
    req = urllib2.Request(url)
    html = urllib2.urlopen(req).read()
    print html

上例中先使用

    req = urllib2.Request(url)

实例化一个resquest对象，接下来使用

    urllib2.urlopen(req)

来打开这个网页。

我们注意到在实例化Request对象的时候，队了url是必须的，还有几个默认的参数

基中data与header也是使用的比较多的，一些需要登录的才能浏览的网站经常需要这两个参数

    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

这个例子是向百度发送几个数据，这个例子是会返回一个错误页面，很正常，因为我们在访问百度的时候并不需要post什么信息，post了倒是会出错

百度是找不到相应的网页就会报错。

当然这个是POST数据，也可以用在GET方法，稍将上面的代码进行改造

百度是通过http://www.baidu.com/s?wd=XXX 来进行查询的，这样我们需要将{'wd':'xxx'}这个字典进行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

以下以模拟登录人人网然后再显示首页内容为例来详细说明一下cookie的使用，以下是文档中给的例子，我们就通过改造这个例子来实现我们想要的功能

    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

当你看到有cj的时候,说明你已经访问了登录页面,是否正常登录你现在还看不出来,可以通过访问http://www.renren.com/home 来查看

上面的代码有两点要说明,我也是看了很长时间才明白

    r = opener.open(url,data) 

这句,为什么要使用opener这个对象来open,而不是用utllib2,urlopen?不光是例子里这么写,我们才这么写,通过改造我们也可以使用urllib2.urlopen,其实是因为opener是urllib2.bulid_opener创造出来的, 但是你可以这样理解,他build出来后,自已却并没有安装使用它,也没有它的属性与方法,如果想使urllib2也具有opener的属性与方法,可以先使用urllib2.install_opener(opener)来"安装"这个opener,安装完以后就可以使用urllib2来操作了

    #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

同样urllib2还有proxy相关的handle,基本的思路和这个差不多。

二、异常处理

当urlopen()不能处理响应时会引起URLError异常。HTTPError异常是URLError的一个子类，只有在访问HTTP类型的URL时才会引起。

1、URLError异常

通常引起URLError的原因是：无网络连接（没有到目标服务器的路由）、访问的目标服务器不存在。在这种情况下，异常对象会有reason属性（是一个（错误码、错误原因）的元组）。

    #! /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
每一个从服务器返回的HTTP响应都有一个状态码。其中，有的状态码表示服务器不能完成相应的请求，默认的处理程序可以为我们处理一些这样的状态码（如返回的响应是重定向，urllib2会自动为我们从重定向后的页面中获取信息）。有些状态码，urllib2模块不能帮我们处理，那么urlopen函数就会引起HTTPError异常,其中典型的有404/401。
HTTPError异常的实例有整数类型的code属性，表示服务器返回的错误状态码。
urllib2模块默认的处理程序可以处理重定向（状态码是300范围），而且状态码在100-299范围内表示成功。因此，能够引起HTTPError异常的状态码范围是：400-599.
当引起错误时，服务器会返回HTTP错误码和错误页面。你可以将HTPError实例作为返回页面，这意味着，HTTPError实例不仅有code属性，还有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、总结
如果想在代码中处理URLError和HTTPError有两种方法，代码如下：

    #! /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

相比较而言，第二种异常处理方法更优。