HTTP请求的python实现（urlopen、headers处理、 Cookie处理、设置Timeout超时、 重定向、Proxy的设置）

python实现HTTP请求的三中方式：urllib2/urllib、httplib/urllib 以及Requests

urllib2/urllib实现

urllib2和urllib是python两个内置的模块，要实现HTTP功能，实现方式是以urllib2为主，urllib为辅

1 首先实现一个完整的请求与响应模型

• urllib2提供基础函数urlopen，

import urllib2
response = urllib2.urlopen('http://www.cnblogs.com/guguobao')
html = response.read()
print html

• 改进，分两步：请求和响应

#!coding:utf-8
import urllib2
#请求
request = urllib2.Request('http://www.cnblogs.com/guguobao')
#响应
response = urllib2.urlopen(request)
html = response.read()
print html

• 上面使用GET请求，下面改为POST请求，使用urllib。

#!coding:utf-8
import urllib
import urllib2
url = 'http://www.cnblogs.com/login'
postdata = {'username' : 'qiye',
           'password' : 'qiye_pass'}
#info 需要被编码为urllib2能理解的格式，这里用到的是urllib
data = urllib.urlencode(postdata)
req = urllib2.Request(url, data)
response = urllib2.urlopen(req)
html = response.read()

• • 然而运行结果没有输出，因为服务器拒绝你的访问，需要检验请求头信息，来判断是否是来自浏览器的请求

2 请求头headers处理

• 把上面的列子添加User-Agent域和Referer域信息

  • User-Agent：有些服务器或Proxy会检查该值是否是浏览器发出的信息
  • Content-Type：在使用REST接口时，服务器会检查该值，确定HTTP body用什么解析。否则报错，拒绝回应。取值详情：http://www.runoob.com/http/http-content-type.html
  • Referer:服务器检查防盗链

#coding:utf-8
#请求头headers处理:设置一下请求头中的User-Agent域和Referer域信息
import urllib
import urllib2
url = 'http://www.xxxxxx.com/login'
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
referer='http://www.xxxxxx.com/'
postdata = {'username' : 'qiye',
           'password' : 'qiye_pass'}
# 将user_agent,referer写入头信息
headers={'User-Agent':user_agent,'Referer':referer}
data = urllib.urlencode(postdata)
req = urllib2.Request(url, data,headers)
response = urllib2.urlopen(req)
html = response.read()

3 Cookie处理

• urllib2对Cookie的处理也是自动，使用CookieJar函数进行Cookie的管理，如果需要得到某个Cookie项的值，可以这样：

import urllib2,cookielib

cookie = cookielib.CookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))
response = opener.open('http://www.zhihu.com')
for item in cookie:
    print item.name+':'+item.name

• 但有时遇到情况，我们不想让urllib2自动处理，我们想自己添加Cookie的内容，可以通过设置请求头中的cookie域来做

import urllib2,cookielib

opener = urllib2.build_opener()
opener.addheaders.append(('Cookie','email='+'helloguguobao@gmail.com'))#Cookie和email替换什么值都可以，但不能没有
req = urllib2.Request('http://www.zhihu.com')
response = opener.open(req)
print response.headers
retdata = response.read()

• 运行截图
  
  

4 设置Timeout超时

• 在python2.6及新版中，urlopen函数提供对Timeout的设置：

import urllib2
request=urllib2.Request('http://www.zhihu.com')
response = urllib2.urlopen(request,timeout=2)
html=response.read()
print html

5 获取HTTP响应码

• 只要使用urlopen返回的response对象的getcode()方法就可以得到HTTP返回码。

import urllib2
try:
    response = urllib2.urlopen('http://www.google.com')
    print response
except urllib2.HTTPError as e:
    if hasattr(e, 'code'):
        print 'Error code:',e.code

6. 重定向

• urllib2默认情况下会对HTTP 3XX返回码自动进行重定向动作。要检测是否发生重定向动作，只要检查一下Response的URL和Request的URL是否一致：

import urllib2
response = urllib2.urlopen('http://www.zhihu.cn')
isRedirected = response.geturl() == 'http://www.zhihu.cn'

• 如果不想自动重定向，可以自定义HTTPRedirectHandler类：

import urllib2
class RedirectHandler(urllib2.HTTPRedirectHandler):
    def http_error_301(self, req, fp, code, msg, headers):
        pass
    def http_error_302(self, req, fp, code, msg, headers):
        result =urllib2.HTTPRedirectHandler.http_error_301(self,req,fp,code,msg,headers)
        result.status =code
        result.newurl = result.geturl()
        return result

opener = urllib2.build_opener(RedirectHandler)
opener.open('http://www.zhihu.cn')

7 Proxy的设置

• 在做爬虫开发中，可能会用到代理。urllib2默认会使用环境变量http_proxy来设置HTTP Proxy。但是我们一般不采用这种方法，而是使用ProxyHandler在程序中动态设置代理

import urllib2
proxy = urllib2.ProxyHandler({'http': '127.0.0.1:1080'})# 运行时需要把socketsocks关闭系统代理。并使用1080端口，或者直接退出socketsocks软件
opener = urllib2.build_opener(proxy)
urllib2.install_opener(opener)
response = urllib2.urlopen('http://www.zhihu.com/')
print response.read()

这里要注意一个细节，使用urllib2.install_opener()会设置urllib2的全局opener，之后，所有的HTTP访问都会使用这个代理，这样很方便，但是，想在程序中使用两个不同的代理，就不能使用install_opener去更改全局的设置，而是直接调用urllib2.open()

import urllib2
proxy = urllib2.ProxyHandler({'http': '127.0.0.1:1080'})
opener = urllib2.build_opener(proxy,)
response = opener.open("http://www.google.com/")
print response.read()

运行时需要把socketsocks关闭系统代理。