之前看到geventhttpclient这个项目，https://github.com/gwik/geventhttpclient，官方文档说非常快，因为响应使用了C的解析，所以我一直想把这玩意用到项目中，

这两天一直在纠结这玩意，说实在一句话，比較难用，封装的不给力，最大缺陷例如以下：

1.不支持重定向，重定向须要自己来写，非常费事

2.新建的httpclient对象仅仅能发送同域名的请求

这相当的蛋疼，我花了一点时间封装了一下，攻克了上面的两个问题，还添加了自己主动编解码问题，代码例如以下：

#!/usr/bin/env python

#-*-encoding:UTF-8-*-

import re

from geventhttpclient.url import URL

from geventhttpclient.client import HTTPClient,HTTPClientPool

from urlparse import urljoin

#from core.common import urljoin

HEADERS = {

    'Accept' : 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',

    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:29.0) Gecko/20100101 Firefox/29.0'

}

DEFAULF_METHOD = "GET"

MAX_REDIRECT_TIME = 10

DEFAULT_PAGE_ENCODING = "utf8"

class DifferDomainException(Exception):

    """

    if request different domain url,geventhttpclient will throw it,

    see gevent.client 'raise ValueError("Invalid host in URL")'

    """

    def __init__(self,uri):

        self.args = uri

        self.uri = uri

class MaxRedirectException(Exception):

    def __init__(self,response):

        self.args = response

        self.response = response

class HTTP(HTTPClient):

    def request(self,request_uri, method=DEFAULF_METHOD,body=b"", headers={},follow_redirect=True,redirects=MAX_REDIRECT_TIME):

        if body and method == DEFAULF_METHOD:

            method = "POST"

        h = [ k.title() for k in headers.iterkeys() ]

        headers.update(dict( [ (k,v) for k,v in HEADERS.iteritems() if k not in h ] ))

        response = super(HTTP,self).request(method, request_uri, body, headers)

        if follow_redirect and response.status_code in (301,302,303,307) and response.method in ("GET","POST"):

            if redirects:

                location = response.get('location') or response.get('content-location') or response.get('uri')

                if location:

                    location = urljoin(request_uri,location)

                    if not location.startswith(self._base_url_string):

                        raise DifferDomainException(location)

                    return self.request(location, method, body, headers, follow_redirect,redirects-1)

            else:

                raise MaxRedirectException(response)

        return response

class HTTPPool(HTTPClientPool):

    def get_client(self, url):

        if not isinstance(url, URL):

            url = URL(url)

        client_key = url.host, url.port

        try:

            return self.clients[client_key]

        except KeyError:

            client = HTTP.from_url(url, **self.client_args)

            self.clients[client_key] = client

            return client

_POLL = HTTPPool(network_timeout=100,connection_timeout=100)

META_CHARSET_REGEX = re.compile(r'(?si)<head>.*<meta http-equiv="?content-type"?[^>]+charset=(?P<result>[^">]+).*</head>')

def decodePage(content,content_type):

    httpCharset, metaCharset = None, None

    if content_type and content_type.find("charset=") != -1:

        httpCharset = content_type.split("charset=")[-1]

    match = META_CHARSET_REGEX.search(content)

    if match:

        metaCharset = match.group('result')

    print httpCharset,metaCharset

    charset = httpCharset or metaCharset or DEFAULT_PAGE_ENCODING

    return content.decode(charset).encode(DEFAULT_PAGE_ENCODING)

def request(request_uri, method=DEFAULF_METHOD,body=b"", headers={},follow_redirect=True,auto_read=True):

    client = _POLL.get_client(request_uri)

    response = None

    try:

        response = client.request(request_uri,method,body,headers,follow_redirect)

    except DifferDomainException,e:

        print "DifferDomainException:"+e.uri

        response = request(e.uri,method,body,headers,follow_redirect)

    except MaxRedirectException,e:

        print "max redirect"

        response = e.response # will return previous response,of course redirect response

    except Exception,e:

        print str(e)

    if auto_read and response:

        with response:

            response.content = decodePage(response.read(),response.get('content-type'))

    return response

def test():

    # print request("http://127.0.0.1/re.php",follow_redirect=False)

    # print request("http://127.0.0.1/re.php",follow_redirect=True).content

    r=request("http://www.baidu.com/",follow_redirect=False)

    #baidu utf8 utf8

    print r.content[:10]

    r=request("http://www.163.com/",follow_redirect=False)

    #163 gbk gb2312

    print r.content[:10]

test()

在測试网页编码问题遇到了一些问题，看以下：

因为头部的请求先到，所以我们一般觉得返回的内容编码是先依据头部的，假设没有再看页面编码。

我们看网易的编码，头部为gbk，网页为gb2312，但用gb2312解码居然有问题，？？？ 我非常不解，各位大大们为啥呢？

但用头部gbk解码是正常的，这也证明了头部编码优先。按理说网页编码是告诉浏览器以gb2312显示，但明显有问题，浏览器怎么做到的？

我们再看新浪的，这更让我郁闷了，谁来解救我啊？

[Python网络编程]gevent httpclient以及网页编码的更多相关文章

  1. Python -- 网络编程 -- 简单抓取网页

    抓取网页: urllib.request.urlopen(url).read().decode('utf-8')  ---  (百度是utf-8,谷歌不是utf-8,也不是cp936,ascii也不行 ...

  2. 《Python网络编程》学习笔记--使用谷歌地理编码API获取一个JSON文档

    Foundations of Python Network Programing,Third Edition <python网络编程>,本书中的代码可在Github上搜索fopnp下载 本 ...

  3. Python网络编程基础 PDF 完整超清版|网盘链接内附提取码下载|

    点此获取下载地址提取码:y9u5 Python网络编程最好新手入门书籍!175个详细案例,事实胜于雄辩,Sockets.DNS.Web Service.FTP.Email.SMTP.POP.IMAP. ...

  4. Python 网络编程（一）

    Python 网络编程 socket通常也称作"套接字",用于描述IP地址和端口,是一个通信链的句柄,应用程序通常通过"套接字"向网络发出请求或者应答网络请求. ...

  5. Python学习（22）python网络编程

    Python 网络编程 Python 提供了两个级别访问的网络服务.: 低级别的网络服务支持基本的 Socket,它提供了标准的 BSD Sockets API,可以访问底层操作系统Socket接口的 ...

  6. Day07 - Python 网络编程 Socket

    1. Python 网络编程 Python 提供了两个级别访问网络服务: 低级别的网络服务支持基本的 Socket,它提供了标准的 BSD Sockets API,可以访问底层操作系统Socket接口 ...

  7. Python 网络编程相关知识学习

    Python 网络编程 Python 提供了两个级别访问的网络服务.: 低级别的网络服务支持基本的 Socket,它提供了标准的 BSD Sockets API,可以访问底层操作系统Socket接口的 ...

  8. python 网络编程 TCP/IP socket UDP

    TCP/IP简介 虽然大家现在对互联网很熟悉,但是计算机网络的出现比互联网要早很多. 计算机为了联网,就必须规定通信协议,早期的计算机网络,都是由各厂商自己规定一套协议,IBM.Apple和Micro ...

  9. python网络编程，通过服务名称和会话类型（tcp，udp）获取端口号，简单的异常处理

    作为一个php程序员,同时有对网络方面感兴趣,php就比较蛋疼了,所以就抽了些时间看python 之前学python基础因为工作原因,断断续续的看了个基础,差不多是可以写代码了 最近在看<pyt ...

随机推荐

  1. MSA2312 enclosure 闪断后

    故障描述:由于电源原因,导致整个扩展柜闪断,硬盘全部为leftover状态. 存储划分配置:之前满配的一套MSA2312,划分为4个vd,后面两个vd无影响,前面2个VD都是一半在1号柜子,一半在2号 ...

  2. 如何解决ORA-12547: TNS:lost contact错

    执行环境:ubuntu+oracle 11.2.0 为了启动oracle时间,出现ORA-12547: TNS:lost contact错误. 中午好好的纳,下午就无论了.以为是链接失效,关机重新启动 ...

  3. php中empty()、isset()、is_null()和变量本身的布尔判断区别（转）

    在php脚本中,我们经常要去判断一个变量是否已定义或者是否为空,就需要用到这些函数empty().isset().is_null()和其本身作为参数,下面小段程序做个简要比较 <?php//预定 ...

  4. svn经常使用命令具体解释（非常全，非常有用）

    ubuntu下安装subversionclient: sudo apt-getinstall subversion subversion-tools 1.检出 svn  co  http://路径(文 ...

  5. 微信支付.net官方坑太多，我们来精简

    原文:微信支付.net官方坑太多,我们来精简 微信支付官方坑太多,我们来精简 我把官方的代码,打包成了 an.wxapi.dll. 里面主要替换了下注释.呵呵.然后修改了几个地方. 修改一.Confi ...

  6. oschina 手机/移动开发

    手机/移动开发 Android UI 组件(167) React Native 相关(8) 网站客户端(16) NativeScript 插件(18) iPhone/iPad开发工具(16) WP7开 ...

  7. poj3281（最大流）

    传送门:Dining 题意:一些牛,一些食物,一些饮料,每头牛都有其喜欢的几种食物和几种饮料,求最多能给多少头牛即找到食物又找到饮料~也就是有多少个 牛---食物---饮料 的匹配,而且满足一一匹配, ...

  8. uva796（求桥数目）

    传送门:Critical Links 题意:给出一个无向图,按顺序输出桥. 分析:模板题,求出桥后排个序输出. #include <cstdio> #include <cstring ...

  9. poj3311（状压dp）

    题目连接:http://poj.org/problem?id=3311 题意:一个送披萨的,每次送外卖不超过10个地方,给你这些地方之间的时间,求送完外卖回到店里的总时间最小. 分析:跑一遍Floyd ...

  10. C的xml编程文章链接

    官方地址:http://www.xmlsoft.org/ http://hi.baidu.com/singyea/item/ed4d1c335a9527b8633aff82 http://os.chi ...