python基于http协议编程：httplib,urllib和urllib2<转>

httplib实现了HTTP和HTTPS的客户端协议，一般不直接使用，在python更高层的封装模块中（urllib,urllib2）使用了它的http实现。

 httplib.HTTPConnection ( host [ , port [ , strict [ , timeout ]]] )

HTTPConnection类的构造函数，表示一次与服务器之间的交互，即请求/响应。参数host表示服务器主机，如：http://www.csdn.net/；port为端口号，默认值为80； 参数strict的 默认值为false， 表示在无法解析服务器返回的状态行时( status line) （比较典型的状态行如： HTTP/1.0 200 OK ），是否抛BadStatusLine 异常；可选参数timeout 表示超时时间。 HTTPConnection提供的方法：

HTTPConnection.request ( method , url [ , body [ , headers ]] )

调用request 方法会向服务器发送一次请求，method 表示请求的方法，常用有方法有get 和post ；url 表示请求的资源的url ；body 表示提交到服务器的数据，必须是字符串（如果method 是”post” ，则可以把body 理解为html 表单中的数据）；headers 表示请求的http 头。 HTTPConnection.getresponse () 获取Http 响应。返回的对象是HTTPResponse 的实例，关于HTTPResponse 在下面 会讲解。 HTTPConnection.connect () 连接到Http 服务器。 HTTPConnection.close () 关闭与服务器的连接。 HTTPConnection.set_debuglevel ( level ) 设置高度的级别。参数level 的默认值为0 ，表示不输出任何调试信息。 httplib.HTTPResponse HTTPResponse表示服务器对客户端请求的响应。往往通过调用HTTPConnection.getresponse()来创建，它有如下方法和属性： HTTPResponse.read([amt]) 获取响应的消息体。如果请求的是一个普通的网页，那么该方法返回的是页面的html。可选参数amt表示从响应流中读取指定字节的数据。 HTTPResponse.getheader(name[, default]) 获取响应头。Name表示头域(header field)名，可选参数default在头域名不存在的情况下作为默认值返回。 HTTPResponse.getheaders() 以列表的形式返回所有的头信息。 HTTPResponse.msg 获取所有的响应头信息。 HTTPResponse.version 获取服务器所使用的http协议版本。11表示http/1.1；10表示http/1.0。 HTTPResponse.status 获取响应的状态码。如：200表示请求成功。 HTTPResponse.reason 返回服务器处理请求的结果说明。一般为”OK” 下面通过一个例子来熟悉HTTPResponse中的方法：

import httplib conn = httplib.HTTPConnection("www.g.com", , False) conn.request('get', '/', headers = {"Host": "www.google.com",                                     "User-Agent": "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1) Gecko/20090624 Firefox/3.5",                                     "Accept": "text/plain"}) res = conn.getresponse() print'version:', res.version print'reason:', res.reason print'status:', res.status print'msg:', res.msg print'headers:', res.getheaders() #html #print '\n' + '-' * 50 + '\n' #print res.read()conn.close()

Httplib模块中还定义了许多常量，如： Httplib. HTTP_PORT 的值为80，表示默认的端口号为80； Httplib.OK 的值为200，表示请求成功返回； Httplib. NOT_FOUND 的值为404，表示请求的资源不存在； 可以通过httplib.responses 查询相关变量的含义，如： Print httplib.responses[httplib.NOT_FOUND] #not found 更多关于httplib的信息，请参考Python手册httplib 模块。
urllib 和urllib2实现的功能大同小异，但urllib2要比urllib功能等各方面更高一个层次。目前的HTTP访问大部分都使用urllib2. urllib2:

req = urllib2.Request('http://pythoneye.com') response = urllib2.urlopen(req) the_page = response.read()

FTP同样：

 req = urllib2.Request('ftp://pythoneye.com') 

urlopen返回的应答对象response有两个很有用的方法info()和geturl() geturl — 这个返回获取的真实的URL，这个很有用，因为urlopen(或者opener对象使用的)或许 会有重定向。获取的URL或许跟请求URL不同。 Data数据 有时候你希望发送一些数据到URL

post方式：

 values ={'body' : 'test short talk','via':'xxxx'} data = urllib.urlencode(values) req = urllib2.Request(url, data) 

get方式：

 data['name'] ='Somebody Here' data['location'] ='Northampton' data['language'] ='Python' url_values = urllib.urlencode(data) url ='http://pythoneye.com/example.cgi' full_url = url +'?'+ url_values data = urllib2.open(full_url)

使用Basic HTTP Authentication:

 import urllib2 # Create an OpenerDirector with support for Basic HTTP Authentication...auth_handler = urllib2.HTTPBasicAuthHandler() auth_handler.add_password(realm='PDQ Application',                           uri='https://pythoneye.com/vecrty.py',                           user='user',                           passwd='pass') opener = urllib2.build_opener(auth_handler) # ...and install it globally so it can be used with urlopen.urllib2.install_opener(opener) urllib2.urlopen('http://www. pythoneye.com/app.html') 

使用代理ProxyHandler：

 proxy_handler = urllib2.ProxyHandler({'http': 'http://www.example.com:3128/'}) proxy_auth_handler = urllib2.HTTPBasicAuthHandler() proxy_auth_handler.add_password('realm', 'host', 'username', 'password')
opener = build_opener(proxy_handler, proxy_auth_handler) # This time, rather than install the OpenerDirector, we use it directly:opener.open('http://www.example.com/login.html')
URLError–HTTPError:
 from urllib2 import Request, urlopen, URLError, HTTPError req = Request(someurl) try:      response = urlopen(req) except HTTPError, e: print'Error code: ', e.code except URLError, e: print'Reason: ', e.reason else:       .............

或者：

 from urllib2 import Request, urlopen, URLError req = Request(someurl) try:      response = urlopen(req) except URLError, e: if hasattr(e, 'reason'): print'Reason: ', e.reason elif hasattr(e, 'code'): print'Error code: ', e.code else:            ............. 

通常，URLError在没有网络连接(没有路由到特定服务器),或者服务器不存在的情况下产生 异常同样会带有”reason”属性，它是一个tuple，包含了一个错误号和一个错误信息

 req = urllib2.Request('http://pythoneye.com') try:    urllib2.urlopen(req) except URLError, e: print e.reason print e.code print e.read() 

最后需要注意的就是，当处理URLError和HTTPError的时候，应先处理HTTPError，后处理URLError Openers和Handlers： opener使用操作器（handlers）。所有的重活都交给这些handlers来做。每一个handler知道 怎么打开url以一种独特的url协议（http，ftp等等），或者怎么处理打开url的某些方面，如，HTTP重定向，或者HTTP cookie。 默认opener有对普通情况的操作器 （handlers）- ProxyHandler, UnknownHandler, HTTPHandler, HTTPDefaultErrorHandler, HTTPRedirectHandler, FTPHandler, FileHandler, HTTPErrorProcessor. 再看python API：Return an OpenerDirector instance, which chains the handlers in the order given 这就更加证明了一点，那就是opener可以看成是一个容器，这个容器当中放的是控制器，默认的，容器当中有五个控制 器，程序员也可以加入自己的控制器，然后这些控制器去干活。

 class HTTPHandler(AbstractHTTPHandler): def http_open(self, req): return self.do_open(httplib.HTTPConnection, req) http_request = AbstractHTTPHandler.do_request_ 

HTTPHandler是Openers当中的默认控制器之一，看到这个代码，证实了urllib2是借助于httplib实现的，同时也证实了Openers和Handlers的关系。

import httplib conn = httplib.HTTPConnection("google.com") conn.request('get', '/') print conn.getresponse().read() conn.close()