Python 標準庫中有很多實用的工具類，但是在具體使用時，標準庫文檔上對使用細節(jié)描述的并不清楚，比如 urllib2 這個 HTTP 客戶端庫。這里總結(jié)了一些 urllib2 庫的使用細節(jié)。

1 Proxy 的設置

urllib2 默認會使用環(huán)境變量 http_proxy 來設置 HTTP Proxy。如果想在程序中明確控制 Proxy，而不受環(huán)境變量的影響，可以使用下面的方式

代碼如下:

import urllib2

enable_proxy = True

proxy_handler = urllib2.ProxyHandler({"http" : 'http://some-proxy.com:8080'})

null_proxy_handler = urllib2.ProxyHandler({})

if enable_proxy:

    opener = urllib2.build_opener(proxy_handler)

else:

    opener = urllib2.build_opener(null_proxy_handler)

urllib2.install_opener(opener)

這里要注意的一個細節(jié)，使用 urllib2.install_opener() 會設置 urllib2 的全局 opener。這樣后面的使用會很方便，但不能做更細粒度的控制，比如想在程序中使用兩個不同的 Proxy 設置等。比較好的做法是不使用 install_opener 去更改全局的設置，而只是直接調(diào)用 opener 的 open 方法代替全局的 urlopen 方法。

2 Timeout 設置

在老版本中，urllib2 的 API 并沒有暴露 Timeout 的設置，要設置 Timeout 值，只能更改 Socket 的全局 Timeout 值。

代碼如下:

import urllib2

import socket

socket.setdefaulttimeout(10) # 10 秒鐘后超時

urllib2.socket.setdefaulttimeout(10) # 另一種方式

在新的 Python 2.6 版本中，超時可以通過 urllib2.urlopen() 的 timeout 參數(shù)直接設置。

代碼如下:

import urllib2

response = urllib2.urlopen('http://www.google.com', timeout=10)

3 在 HTTP Request 中加入特定的 Header

要加入 Header，需要使用 Request 對象：

代碼如下:

import urllib2

request = urllib2.Request(uri)

request.add_header('User-Agent', 'fake-client')

response = urllib2.urlopen(request)

對有些 header 要特別留意，Server 端會針對這些 header 做檢查

1.User-Agent 有些 Server 或 Proxy 會檢查該值，用來判斷是否是瀏覽器發(fā)起的 Request

2.Content-Type 在使用 REST 接口時，Server 會檢查該值，用來確定 HTTP Body 中的內(nèi)容該怎樣解析。

常見的取值有：

1.application/xml ：在 XML RPC，如 RESTful/SOAP 調(diào)用時使用

2.application/json ：在 JSON RPC 調(diào)用時使用

3.application/x-www-form-urlencoded ：瀏覽器提交 Web 表單時使用

……

在使用 RPC 調(diào)用 Server 提供的 RESTful 或 SOAP 服務時， Content-Type 設置錯誤會導致 Server 拒絕服務。

4 Redirect

urllib2 默認情況下會針對 3xx HTTP 返回碼自動進行 Redirect 動作，無需人工配置。要檢測是否發(fā)生了 Redirect 動作，只要檢查一下 Response 的 URL 和 Request 的 URL 是否一致就可以了。

代碼如下:

import urllib2

response = urllib2.urlopen('http://www.google.cn')

redirected = response.geturl() == 'http://www.google.cn'

如果不想自動 Redirect，除了使用更低層次的 httplib 庫之外，還可以使用自定義的 HTTPRedirectHandler 類。

代碼如下:

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):

        pass

opener = urllib2.build_opener(RedirectHandler)

opener.open('http://www.google.cn')

5 Cookie

urllib2 對 Cookie 的處理也是自動的。如果需要得到某個 Cookie 項的值，可以這么做：

代碼如下:

import urllib2

import cookielib

cookie = cookielib.CookieJar()

opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))

response = opener.open('http://www.google.com')

for item in cookie:

    if item.name == 'some_cookie_item_name':

        print item.value

6 使用 HTTP 的 PUT 和 DELETE 方法

urllib2 只支持 HTTP 的 GET 和 POST 方法，如果要使用 HTTP PUT 和 DELETE，只能使用比較低層的 httplib 庫。雖然如此，我們還是能通過下面的方式，使 urllib2 能夠發(fā)出 HTTP PUT 或 DELETE 的包：

代碼如下:

import urllib2

request = urllib2.Request(uri, data=data)

request.get_method = lambda: 'PUT' # or 'DELETE'

response = urllib2.urlopen(request)

這種做法雖然屬于 Hack 的方式，但實際使用起來也沒什么問題。

7 得到 HTTP 的返回碼

對于 200 OK 來說，只要使用 urlopen 返回的 response 對象的 getcode() 方法就可以得到 HTTP 的返回碼。但對其它返回碼來說，urlopen 會拋出異常。這時候，就要檢查異常對象的 code 屬性了：

代碼如下:

import urllib2

try:

    response = urllib2.urlopen('http://restrict.web.com')

except urllib2.HTTPError, e:

    print e.code

8 Debug Log

使用 urllib2 時，可以通過下面的方法把 Debug Log 打開，這樣收發(fā)包的內(nèi)容就會在屏幕上打印出來，方便我們調(diào)試，在一定程度上可以省去抓包的工作。

代碼如下:

import urllib2

httpHandler = urllib2.HTTPHandler(debuglevel=1)

httpsHandler = urllib2.HTTPSHandler(debuglevel=1)

opener = urllib2.build_opener(httpHandler, httpsHandler)

urllib2.install_opener(opener)

response = urllib2.urlopen('http://www.google.com')

更多信息請查看IT技術專欄