urllib2具有利用不同协议获取URLs的能力，也提供了一个比较复杂的接口来处理一般情况，例如：基础验证，cookies,代理和其他【它们通过handlers和openers的对象提供】

urllib2支持获取不同格式的URLs，它们利用它们相关网络协议(例如FTP,HTTP)进行获取。

一、获取 URLs

最简单的使用如下：

[python:nogutter]import urllib2response = urllib2.urlopen('http://python.org/')html = response.read()

HTTP是基于请求和应答机制的--客户端提出请求，服务端提供应答。urllib2用一个Request对象来映射你提出的HTTP请求，用要请求的地址创建一个Request对象，通过调用urlopen并传入Request对象，将返回一个相关请求response对象。

[python]import urllib2req = urllib2.Request('http://www.voidspace.org.uk')response = urllib2.urlopen(req)the_page = response.read()

记得urllib2使用相同的接口处理所有的URL头：

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

在HTTP请求时：

1. 发送data表单数据；
2. 传送关于数据或发送本身的信息("metadata")到服务器，此数据作为HTTP的"headers"来发送；

二、Data数据

你希望发送一些数据到URL(通常URL与CGI[通用网关接口]脚本，或其他WEB应用程序挂接)。在HTTP中,这个经常使用熟知的POST请求发送。这个通常在你提交一个HTML表单时由你的浏览器来做。并不是所有的POSTs都来源于表单，你能够使用POST提交任意的数据到你自己的程序。一般的HTML表单，data需要编码成标准形式。然后做为data参数传到Request对象。编码工作使用urllib的函数而非urllib2。

[python:nogutter]import urllibimport urllib2url = 'http://www.someserver.com/cgi-bin/register.cgi'values = {'name' : 'Michael Foord',          'location' : 'Northampton',          'language' : 'Python' }data = urllib.urlencode(values)req = urllib2.Request(url, data)response = urllib2.urlopen(req)the_page = response.read()

记住有时需要别的编码(例如从HTML上传文件--看http://www.w3.org/TR/REC-html40/interact/forms.html#h-17.13 HTML Specification, Form Submission的详细说明)。如果你没有传送data参数，urllib2使用GET方式的请求。Data同样可以通过在Get请求的URL本身上面编码来传送。可看如下例子：

[python:nogutter]>>> import urllib2>>> import urllib>>> data = {}>>> data['name'] = 'Somebody Here'>>> data['location'] = 'Northampton'>>> data['language'] = 'Python'>>> url_values = urllib.urlencode(data)>>> print url_valuesname=Somebody+Here&language=Python&location=Northampton>>> url = 'http://www.example.com/example.cgi'>>> full_url = url + '?' + url_values>>> data = urllib2.open(full_url)

三、Headers

怎样添加headers到你的HTTP请求。当创建了一个请求对象，可给他一个包含头数据的字典。下面的例子发送跟上面一样的内容，但把自身模拟成Internet Explorer。

[python:nogutter]import urllibimport urllib2url = 'http://www.someserver.com/cgi-bin/register.cgi'user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'values = {'name' : 'Michael Foord',          'location' : 'Northampton',          'language' : 'Python' }headers = { 'User-Agent' : user_agent }data = urllib.urlencode(values)req = urllib2.Request(url, data, headers)response = urllib2.urlopen(req)the_page = response.read()

response应答对象同样有两个很有用的方法。看下面的节info and geturl。

四、Handle Exceptions处理异常

当urlopen不能够处理一个response时，产生urlError（不过通常的Python APIs异常如ValueError,TypeError等也会同时产生）。HTTPError是urlError的子类，通常在特定HTTP URLs中产生。

（1）URLError

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：

[python:nogutter]>>> req = urllib2.Request('http://www.pretend_server.org')>>> try: urllib2.urlopen(req)>>> except URLError, e:>>>    print e.reason>>>(4, 'getaddrinfo failed')

（2）HTTPError

服务器上每一个HTTP 应答对象response包含一个数字"状态码"。有时状态码指出服务器无法完成请求。默认的处理器会为你处理一部分这种应答(例如:假如response是一个"重定向"，需要客户端从别的地址获取文档，urllib2将为你处理)。其他不能处理的，urlopen会产生一个HTTPError。典型的错误包含"404"(页面无法找到)，"403"(请求禁止)，和"401"(带验证请求)。

HTTPError实例产生后会有一个整型'code'属性，是服务器发送的相关错误号。

（3）Error Codes错误码

因为默认的处理器处理了重定向(300以外号码)，并且100-299范围的号码指示成功，所以你只能看到400-599的错误号码。当一个错误号产生后，服务器返回一个HTTP错误号，和一个错误页面。你可以使用HTTPError实例作为页面返回的应答对象response。这表示和错误属性一样，它同样包含了read,geturl,和info方法。

[python:nogutter]>>> req = urllib2.Request('http://www.python.org/fish.html')>>> try:>>>     urllib2.urlopen(req)>>> except URLError, e:>>>     print e.code>>>     print e.read()>>>404
    ...... etc...

（4）Wrapping it Up包装

所以如果你想为HTTPError或URLError做准备，将有两个基本的办法。我则比较喜欢第二种。

第一个：

[python:nogutter]from urllib2 import Request, urlopen, URLError, HTTPErrorreq = Request(someurl)try:    response = urlopen(req)except HTTPError, e:    print 'The server couldn/'t fulfill the request.'    print 'Error code: ', e.codeexcept URLError, e:    print 'We failed to reach a server.'    print 'Reason: ', e.reasonelse:    # everything is fine

注意：except HTTPError 必须在第一个，否则except URLError将同样接受到HTTPError。

第二个：

[python:nogutter]from urllib2 import Request, urlopen, URLErrorreq = Request(someurl)try:    response = urlopen(req)except URLError, e:    if hasattr(e, 'reason'):        print 'We failed to reach a server.'        print 'Reason: ', e.reason    elif hasattr(e, 'code'):        print 'The server couldn/'t fulfill the request.'        print 'Error code: ', e.codeelse:    # everything is fine

五、info and geturl

urlopen返回的应答对象response(或者HTTPError实例)有两个很有用的方法info()和geturl()

1. 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。
2. info -- 这个返回对象的字典对象，该字典描述了获取的页面情况。通常是服务器发送的特定头headers。目前是httplib.HTTPMessage 实例。

经典的headers包含"Content-length"，"Content-type"，和其他。查看Quick Reference to HTTP Headers(http://www.cs.tut.fi/~jkorpela/http.html)获取有用的HTTP头列表，以及它们的解释意义。

六、Openers和Handlers

获取一个URL可使用一个opener(一个urllib2.OpenerDirector的实例)

1. 正常情况下，我们使用默认opener -- 通过urlopen；
2. 但你能够创建个性的openers，Openers使用处理器handlers，所有的“繁重”工作由handlers处理。每个handlers知道如何通过特定协议打开URLs，或者如何处理URL打开时的各个方面，例如HTTP重定向或者HTTP cookies。

用特定处理器获取URLs可创建一个openers，例如获取一个能处理cookie的opener，或者获取一个不重定向的opener。要创建一个 opener,实例化一个OpenerDirector，然后不断调用.add_handler(some_handler_instance)；同样，可以使用build_opener，这是一个更加方便的函数，用来创建opener对象，他只需要一次函数调用。build_opener默认添加几个处理器，但提供快捷的方法来添加或更新默认处理器。其他的处理器handlers你或许会希望处理代理，验证，和其他常用但有点特殊的情况。

install_opener 用来创建（全局）默认opener。这个表示调用urlopen将使用你安装的opener。

Opener对象有一个open方法，该方法可以像urlopen函数那样直接用来获取urls：通常不必调用install_opener。

Basic Authentication 基本验证

为了展示创建和安装一个handler，我们将使用HTTPBasicAuthHandler，为了更加细节的描述本主题--包含一个基础验证的工作原理，请看Basic Authentication Tutorial（http://www.voidspace.org.uk/python/articles/authentication.shtml）

当需要基础验证时，服务器发送一个header(401错误码) 请求验证。这个指定了scheme 和一个‘realm’，看起来像这样：Www-authenticate: SCHEME realm="REALM".

例如

Www-authenticate: Basic realm="cPanel Users"

客户端必须使用新的请求，并在请求头里包含正确的姓名和密码。这是“基础验证”，为了简化这个过程，我们可以创建一个HTTPBasicAuthHandler的实例，并让opener使用这个handler。HTTPBasicAuthHandler使用一个密码管理的对象来处理URLs和realms来映射用户名和密码。如果你知道realm(从服务器发送来的头里)是什么，你就能使用HTTPPasswordMgr。通常人们不关心realm是什么。那样的话，就能用方便的HTTPPasswordMgrWithDefaultRealm。这个将在你为URL指定一个默认的用户名和密码。这将在你为特定realm提供一个其他组合时得到提供。我们通过给realm参数指定None提供给add_password来指示这种情况。

最高层次的URL是第一个要求验证的URL。你传给.add_password()更深层次的URLs将同样合适。

[python:nogutter]# 创建一个密码管理者password_mgr = urllib2.HTTPPasswordMgrWithDefaultRealm()# 添加用户名和密码# 如果知道 realm, 我们可以使用他代替 ``None``.top_level_url = "http://example.com/foo/"password_mgr.add_password(None, top_level_url, username, password)handler = urllib2.HTTPBasicAuthHandler(password_mgr)# 创建 "opener" (OpenerDirector 实例)opener = urllib2.build_opener(handler)# 使用 opener 获取一个URLopener.open(a_url)# 安装 opener.# 现在所有调用 urllib2.urlopen 将用我们的 opener.urllib2.install_opener(opener)

注意：以上的例子我们仅仅提供我们的HHTPBasicAuthHandler给build_opener。默认的openers有正常状况的handlers--ProxyHandler,UnknownHandler,HTTPHandler,HTTPDefaultErrorHandler, HTTPRedirectHandler, FTPHandler, FileHandler, HTTPErrorProcessor。

top_level_url 实际上可以是完整URL(包含"http:",以及主机名及可选的端口号)例如：http://example.com/，也可以是一个“authority”(即主机名和可选的

包含端口号)例如：“example.com” or “example.com:8080”(后者包含了端口号)。权限验证，如果递交的话不能包含"用户信息"部分,例如:“joe :example.com”是错误的。

Proxies代理urllib 将自动监测你的代理设置并使用他们。这个通过ProxyHandler这个在正常处理器链中的对象来处理。通常，那工作的很好。但有时不起作用。其中一个方法便是安装我们自己的代理处理器ProxyHandler，并不定义代理。这个跟使用Basic Authentication 处理器很相似。

[python:nogutter]>>> proxy_support = urllib.request.ProxyHandler({})>>> opener = urllib.request.build_opener(proxy_support)>>> urllib.request.install_opener(opener)

注意：

此时urllib.request不支持通过代理获取https地址。但，这个可以通过扩展urllib.request达到目的。

Sockets and Layers

Python支持获取网络资源是分层结构。urllib 使用http.client库，再调用socket库实现。

在Python2.3你可以指定socket的等待回应超时时间。这个在需要获取网页的应用程序里很有用。默认的socket模型没有超时和挂起。现在，socket超时没有暴露  www.2cto.com

给http.client或者urllib.request层。但你可以给所有的sockets设置全局的超时。

OTHER

http://my.oschina.net/yangyanxing/blog/160770