urllib and urllib2 區(qū)別
–博主提示：下面的是python2中的用法，python3需要做出相應(yīng)修改。
urllib和urllib2模塊都做與請(qǐng)求URL相關(guān)的操作，但他們提供不同的功能。?
urllib2.urlopen accepts an instance of the Request class or a url, （whereas urllib.urlopen only accepts a url 中文意思就是：urllib2.urlopen可以接受一個(gè)Request對(duì)象或者url，（在接受Request對(duì)象時(shí)候，并以此可以來設(shè)置一個(gè)URL的headers），urllib.urlopen只接收一個(gè)url?
urllib 有urlencode,urllib2沒有，這也是為什么總是urllib，urllib2常會(huì)一起使用的原因
r = Request(url='http://www.mysite.com')
r.add_header('User-Agent', 'awesome fetcher')
r.add_data(urllib.urlencode({'foo': 'bar'})
response = urllib2.urlopen(r)? ? #post method
1
2
3
4
5
I. urlencode不能直接處理unicode對(duì)象，所以如果是unicode，需要先編碼，有unicode轉(zhuǎn)到utf8，舉例：
urllib.urlencode (u'bl'.encode('utf-8'))?
II. 示例?
import urllib #sohu 手機(jī)主頁?
url = 'http://m.sohu.com/?v=3&_once_=000025_v2tov3&_smuid=\?
ICvXXapq5EfTpQTVq6Tpz'?
resp = urllib.urlopen(url)?
page = resp.read()?
f = open('./urllib_index.html', 'w')?
f.write(page)?
print dir(resp)?
結(jié)果:
[‘doc’, ‘init’, ‘iter’, ‘module’, ‘repr’, ‘close’, ‘code’, ‘fileno’, ‘fp’, ‘getcode’, ‘geturl’, ‘headers’, ‘info’, ‘next’, ‘read’, ‘readline’, ‘readlines’, ‘url’]?
print resp.getcode(), resp.geturl(), resp.info(), resp.headers, resp.url?
#resp.url和resp.geturl()結(jié)果一樣
III. 編解碼示例 urllib.quote和urllib.urlencode都是編碼，但用法不一樣
s = urllib.quote('This is python')? #編碼
print 'quote:\t'+s? ? ?？崭裼?20替代
s_un = urllib.unquote(s)? ? ＃解碼
print 'unquote:\t'+s_un
s_plus = urllib.quote_plus('This is python')? ＃編碼
print 'quote_plus:\t'+s_plus? ? ? ? ? ? ＃空格用＋替代
s_unplus = urllib.unquote_plus(s_plus)? ? ? ＃解碼
print 's_unplus:\t'+s_unplus
s_dict = {'name': 'dkf', 'pass': '1234'}
s_encode = urllib.urlencode(s_dict)? ? ＃編碼字典轉(zhuǎn)換成url參數(shù)
print 's_encode:\t'+s_encode
1
2
3
4
5
6
7
8
9
10
11
12
結(jié)果：
quote: This%20is%20python?
unquote: This is python?
quote_plus: This+is+python?
s_unplus: This is python?
s_encode: name=dkf&pass=1234
IV. urlretrieve() urlretrieve多數(shù)適用單純的只下載的功能或者顯示下載的進(jìn)度等
url = 'http://m.sohu.com/?v=3&_once_=000025_v2tov3&_\
? ? ? ? ? smuid=ICvXXapq5EfTpQTVq6Tpz'
urllib.urlretrieve(url, './retrieve_index.html')
1
2
3
4
#直接把url鏈接網(wǎng)頁內(nèi)容下載到retrieve_index.html里了，適用于單純的下載的功能。
? ? #urllib.urlretrieve(url, local_name, method)
1
2
I. urllib2模塊定義的函數(shù)和類用來獲取URL（主要是HTTP的），他提供一些復(fù)雜的接口用于處理： 基本認(rèn)證，重定向，Cookies等。?
II. 常用方法和類 II.1 urllib2.urlopen(url[, data][, timeout]) #傳url時(shí)候，用法同urllib里的urlopen II.1.1 它打開URL網(wǎng)址，url參數(shù)可以是一個(gè)字符串url或者是一個(gè)Request對(duì)象?？蛇x的參數(shù)timeout，阻塞操作以秒為單位，如嘗試連接（如果沒有指定，將使用設(shè)置的全局默認(rèn)timeout值）。實(shí)際上這僅適用于HTTP，HTTPS和FTP連接。
url = 'http://m.sohu.com/?v=3&_once_=000025_v2tov3&_\
smuid=ICvXXapq5EfTpQTVq6Tpz'
resp = urllib2.urlopen(url)
page = resp.read()
1
2
3
4
5
II.1.2 urlopen方法也可通過建立了一個(gè)Request對(duì)象來明確指明想要獲取的url。調(diào)用urlopen函數(shù)對(duì)請(qǐng)求的url返回一個(gè)response對(duì)象。這個(gè)response類似于一個(gè)file對(duì)象，所以用.read()函數(shù)可以操作這個(gè)response對(duì)象
url = 'http://m.sohu.com/?v=3&_once_=000025_v2tov3&_smuid\
=ICvXXapq5EfTpQTVq6Tpz'
req = urllib2.Request(url)
resp = urllib2.urlopen(req)
page = resp.read()
1
2
3
4
5
6
II.2?class urllib2.Request(url[, data][, headers][, originreqhost][, unverifiable])
II.2.1 Request類是一個(gè)抽象的URL請(qǐng)求。5個(gè)參數(shù)的說明如下: II.2.1.1 URL——是一個(gè)字符串，其中包含一個(gè)有效的URL。 II.2.1.2 data——是一個(gè)字符串，指定額外的數(shù)據(jù)發(fā)送到服務(wù)器，如果沒有data需要發(fā)送可以為“None”。目前使用data的HTTP請(qǐng)求是唯一的。當(dāng)請(qǐng)求含有data參數(shù)時(shí)，HTTP的請(qǐng)求為POST，而不是GET。數(shù)據(jù)應(yīng)該是緩存在一個(gè)標(biāo)準(zhǔn)的application/x-www-form-urlencoded格式中。urllib.urlencode()函數(shù)用映射或2元組，返回一個(gè)這種格式的字符串。通俗的說就是如果想向一個(gè)URL發(fā)送數(shù)據(jù)（通常這些數(shù)據(jù)是代表一些CGI腳本或者其他的web應(yīng)用）。例如在網(wǎng)上填的form（表單）時(shí)，瀏覽器會(huì)POST表單的內(nèi)容，這些數(shù)據(jù)需要被以標(biāo)準(zhǔn)的格式編碼（encode），然后作為一個(gè)數(shù)據(jù)參數(shù)傳送給Request對(duì)象。Encoding是在urlib模塊中完成的，而不是在urlib2中完成的。下面是個(gè)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)? #send post
response = urllib2.urlopen(req)
page = response.read()
1
2
3
4
5
6
7
8
9
10
11
II.2.1.3 headers——是字典類型，頭字典可以作為參數(shù)在request時(shí)直接傳入，也可以把每個(gè)鍵和值作為參數(shù)調(diào)用add_header()方法來添加。作為辨別瀏覽器身份的User-Agent header是經(jīng)常被用來惡搞和偽裝的，因?yàn)橐恍〩TTP服務(wù)只允許某些請(qǐng)求來自常見的瀏覽器而不是腳本，或是針對(duì)不同的瀏覽器返回不同的版本。例如，Mozilla Firefox瀏覽器被識(shí)別為“Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11”。默認(rèn)情況下，urlib2把自己識(shí)別為Python-urllib/x.y（這里的xy是python發(fā)行版的主要或次要的版本號(hào)，如在Python 2.6中，urllib2的默認(rèn)用戶代理字符串是“Python-urllib/2.6。下面的例子和上面的區(qū)別就是在請(qǐng)求時(shí)加了一個(gè)headers，模仿IE瀏覽器提交請(qǐng)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()
1
2
3
4
5
6
7
8
9
10
11
12
13
標(biāo)準(zhǔn)的headers組成是(Content-Length, Content-Type and Host)，只有在Request對(duì)象調(diào)用urlopen()（上面的例子也屬于這個(gè)情況）或者OpenerDirector.open()時(shí)加入。兩種情況的例子如下： 使用headers參數(shù)構(gòu)造Request對(duì)象，如上例在生成Request對(duì)象時(shí)已經(jīng)初始化header，而下例是Request對(duì)象調(diào)用add_header(key, val)方法附加header（Request對(duì)象的方法下面再介紹）：
import urllib2
req = urllib2.Request('http://www.example.com/')
req.add_header('Referer', 'http://www.python.org/')? ?
1
2
3
4
#http是無狀態(tài)的協(xié)議，上一次客戶端的請(qǐng)求與下一次客戶端到服務(wù)器的請(qǐng)求無關(guān)系的，多數(shù)省略這一步?
r = urllib2.urlopen(req)?
OpenerDirector為每一個(gè)Request自動(dòng)加上一個(gè)User-Agent header，所以第二種方法如下（urllib2.buildopener會(huì)返回一個(gè)OpenerDirector對(duì)象，關(guān)于urllib2.buildopener類下面再說）：
import urllib2
opener = urllib2.build_opener()
opener.addheaders = [('User-agent', 'Mozilla/5.0')]
opener.open('http://www.example.com/')
1
2
3
4
5
II.3 urllib2.installopener(opener)和urllib2.buildopener([handler, …])?
installopener和buildopener這兩個(gè)方法通常都是在一起用,也有時(shí)候buildopener單獨(dú)使用來得到OpenerDirector對(duì)象。?
installopener實(shí)例化會(huì)得到OpenerDirector 對(duì)象用來賦予全局變量opener。如果想用這個(gè)opener來調(diào)用urlopen，那么就必須實(shí)例化得到OpenerDirector；這樣就可以簡單的調(diào)用OpenerDirector.open()來代替urlopen()。?
build_opener實(shí)例化也會(huì)得到OpenerDirector對(duì)象，其中參數(shù)handlers可以被BaseHandler或他的子類實(shí)例化。子類中可以通過以下實(shí)例化：ProxyHandler (如果檢測代理設(shè)置用)掃描代理會(huì)用到，很重要這個(gè), 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)
1
2
3
4
5
6
如上使用 urllib2.install_opener()設(shè)置 urllib2 的全局 opener。這樣后面的使用會(huì)很方便，但不能做更細(xì)粒度的控制，比如想在程序中使用兩個(gè)不同的 Proxy 設(shè)置等。比較好的做法是不使用 install_opener 去更改全局的設(shè)置，而只是直接調(diào)用 opener的open 方法代替全局的 urlopen 方法。
說到這Opener和Handler之間的操作聽起來有點(diǎn)暈。整理下思路就清楚了。當(dāng)獲取一個(gè)URL時(shí)，可以使用一 個(gè)opener（一個(gè)urllib2.OpenerDirector實(shí)例對(duì)象，可以由build_opener實(shí)例化生成）。正常情況下程 序一直通過urlopen使用默認(rèn)的opener（也就是說當(dāng)你使用urlopen方法時(shí)，是在隱式的使用默認(rèn)的opener 對(duì)象），但也可以創(chuàng)建自定義的openers（通過操作 器handlers創(chuàng)建的opener實(shí)例）。所有的重活和麻煩 都交給這些handlers來做。每一個(gè)handler知道如何以一種特定的協(xié)議（http，ftp等等）打開url，或 者如何處理打開url發(fā)生的HTTP重定向，或者包含的HTTP cookie。創(chuàng)建openers時(shí)如果想要安裝特別的han dlers來實(shí)現(xiàn)獲取url（如獲取一個(gè)處理cookie的opener，或者一個(gè)不處理重定向的opener）的話，先實(shí)例 一個(gè)OpenerDirector對(duì)象，然后多次調(diào)用.add_handler(some_handler_instance)來創(chuàng)建一個(gè)opene r?；蛘?，你可以用build_opener，這是一個(gè)很方便的創(chuàng)建opener對(duì)象的函數(shù)，它只有一個(gè)函數(shù)調(diào)用 。build_opener默認(rèn)會(huì)加入許多handlers，它提供了一個(gè)快速的方法添加更多東西和使默認(rèn)的handler 失效。
install_opener如上所述也能用于創(chuàng)建一個(gè)opener對(duì)象，但是這個(gè)對(duì)象是（全局）默認(rèn)的opener。這意味著調(diào)用urlopen將會(huì)用到你剛創(chuàng)建的opener。也就是說上面的代碼可以等同于下面這段。這段代碼最終還是使用的默認(rèn)opener。一般情況下我們用build_opener為的是生成自定義opener，沒有必要調(diào)用install_opener，除非是為了方便。
import urllib2
req = urllib2.Request('http://www.python.org/')
opener=urllib2.build_opener()? ? ? ＃ 創(chuàng)建opener對(duì)象
urllib2.install_opener(opener)? ? ? ＃定義全局默認(rèn)opener
f = urllib2.urlopen(req)? ? ? ? ? #urlopen使用默認(rèn)opener，但是install_opener
1
2
3
4
5
6
#已經(jīng)把opener設(shè)為全局默認(rèn)了，這里便是使用上面的建立的opener?
III. 異常處理?
當(dāng)我們調(diào)用urllib2.urlopen的時(shí)候不會(huì)總是這么順利，就像瀏覽器打開url時(shí)有時(shí)也會(huì)報(bào) 錯(cuò)，所以就需要我們有應(yīng)對(duì)異常的處理。說到異常，我們先來了解返回的response對(duì)象的 幾個(gè)常用的方法：?
geturl() — 返回檢索的URL資源，這個(gè)是返回的真正url，通常是用來鑒定是否重定向的?
info() — 返回頁面的原信息就像一個(gè)字段的對(duì)象， 如headers，它以mimetools.Message實(shí)例為格式(可以參考HTTP Headers說明)。?
getcode() — 返回響應(yīng)的HTTP狀態(tài)代碼，運(yùn)行下面代碼可以得到code=200 當(dāng)不能處理一個(gè)response時(shí)，urlopen拋出一個(gè)URLError（對(duì)于python APIs，內(nèi)建異常如，ValueError, TypeError 等也會(huì)被拋出。）
HTTPError是HTTP URL在特別的情況下被拋出的URLError的一個(gè)子類。下面就詳細(xì)說說URLError和HTTPError。 URLError——handlers當(dāng)運(yùn)行出現(xiàn)問題時(shí)（通常是因?yàn)闆]有網(wǎng)絡(luò)連接也就是沒有路由到指定的服務(wù)器，或在指定的服務(wù)器不存在）?
HTTPError——HTTPError是URLError的子類。每個(gè)來自服務(wù)器HTTP的response都包含“status code”. 有時(shí)status code不能處理這個(gè)request. 默認(rèn)的處理程序?qū)⑻幚磉@些異常的responses。例如，urllib2發(fā)現(xiàn)response的URL與你請(qǐng)求的URL不同時(shí)也就是發(fā)生了重定向時(shí)，會(huì)自動(dòng)處理。對(duì)于不能處理的請(qǐng)求, urlopen將拋出 - - - HTTPError異常. 典型的錯(cuò)誤包含‘404’ (沒有找到頁面), ‘403’ (禁止請(qǐng)求),‘401’ (需要驗(yàn)證)等。它包含2個(gè)重要的屬性reason和code。?
程序?qū)τ谥囟ㄏ驎r(shí)默認(rèn)處理的
如果只是單純的下載或者顯示下載進(jìn)度，不對(duì)下載后的內(nèi)容做處理等，比如下載圖片，css，js文件等，可以用urlilb.urlretrieve（）?
如果是下載的請(qǐng)求需要填寫表單，輸入賬號(hào)，密碼等，建議用urllib2.urlopen(urllib2.Request())?
在對(duì)字典數(shù)據(jù)編碼時(shí)候，用到的是urllib.urlencode()
I. Requests 使用的是 urllib3，繼承了urllib2的所有特性。Requests支持HTTP連接保持和連接池，支持使用cookie保持會(huì)話，支持文件上傳，支持自動(dòng)確定響應(yīng)內(nèi)容的編碼，支持國際化的 URL 和 POST 數(shù)據(jù)自動(dòng)編碼。 II. 舉例：
import requests
...
resp = requests.get('http://www.mywebsite.com/user')
userdata = {"firstname": "John", "lastname": "Doe", "password": "jdoe123"}
resp = requests.post('http://www.mywebsite.com/user', params=userdata)
resp = requests.put('http://www.mywebsite.com/user/put')
resp = requests.delete('http://www.mywebsite.com/user/delete')
resp.json()? # 假如返回的是json數(shù)據(jù)
resp.text? ? #返回的不是text數(shù)據(jù)
resp.headers['content-type']? #返回text/html;charset=utf-8
f = open('request_index.html', 'w')
f.write(page.encode('utf8'))? ? ? ? ?
#test 發(fā)現(xiàn)requests抓下來的頁面必須要編碼\
#寫入,（抓下來的是unicode），urllib和urllib2抓下來可以直接寫入，
#因?yàn)檫@兩者抓下來的page是str
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
III. 其他功能特性
國際化域名和 URLs
Keep-Alive & 連接池
持久的 Cookie 會(huì)話
類瀏覽器式的 SSL 加密認(rèn)證
基本/摘要式的身份認(rèn)證
優(yōu)雅的鍵/值 Cookies
自動(dòng)解壓
Unicode 編碼的響應(yīng)體
多段文件上傳
連接超時(shí)
支持 .netrc
適用于 Python 2.6—3.4
線程安全
1
2
3
4
5
6
7
8
9
10
11
12
13
14
IV. requests不是python自帶的庫，需要另外安裝 easy_install or pip install
V. requests缺陷:直接使用不能異步調(diào)用，速度慢（from others）。官方的urllib可以替代它。
VI. 個(gè)人不建議使用requests模塊
