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. sqlplus连接登录数据库时，出现 ORA-28009错误(转)

    安装了oracle10g,打算用SQLPLUS 登录数据库进行操作.打开sqlplus后,可以看到要求输入用户名,口令和主机字符串.前面两个都知道,但是后一个却不明白,查了资料才知道是安装时的全局数据 ...

  2. Pyhon安装media模块

    都是教科书惹的祸,它没有说清楚.media看着很标准,其实不是python自带的库.需要安装第三方软件后才能用. 在这里http://pythonhosted.org/PyGraphics/insta ...

  3. [Android学习笔记]LayoutParams的使用

    LayoutParams的使用: 什么时候会用到此对象?动态布局,动态向ViewGroup中添加子view时,为子view设置此对象,目的是告诉父容器以何种方式呈现此子view LayoutParam ...

  4. HDU 4284 Travel

    据说是TSP经典问题...可以用状态压缩做.但是看到数据量,就厚着脸皮上搜索了...先floyd预处理每对点间的最小消费,然后只考虑要去的城市就可以了,这样的话城市数最多16个...当时就暴搜了... ...

  5. Xcode免证书真机调试，解决cannot read entitlement data问题

    本文是根据某个帖子写的(帖子链接在最后放出),但是在配置的过程中,遇到了一个纠结的问题,这个问题折腾了我N久,一直没搞明白到底是什么原因,问题如下: 按照原帖上写的每一步去做了,但是在最后编译的时候出 ...

  6. graph driver-device mapper-02driver基本操作

    // 清除thin pool 1.1 func (d *Driver) Cleanup() error { // 停止thin pool err := d.DeviceSet.Shutdown() r ...

  7. hdu3966（树链剖分）

    题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=3966 题意:一颗树上,每个点有权值,定义三种操作: 1)I操作表示从a到b节点之间的节点都加上一个值 ...

  8. 通过Java反射调用方法

    这是个测试用的例子,通过反射调用对象的方法.     TestRef.java import java.lang.reflect.Method; import java.lang.reflect.In ...

  9. java中HashMap在多线程环境下引起CPU100%的问题解决（转）

    最近项目中出现了Tomcat占用CPU100%的情况,原以为是代码中出现死循环,后台使用jstack做了dump,发现是系统中不合理使用HashMap导致出现了死循环(注意不是死锁). 产生这个死循环 ...

  10. android maven eclipse里面新建mavenprojectThe desired archetype does not exist

    这个问题头疼死我了 又一次配置下你看我的教程 watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvY2hlbmFpbmkxMTk=/font/5a6L5L2T/f ...