这是具有利用不同协议获取urls的能力，他同样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(在url的”:”前定义的字串,例如：”ftp”是”ftp:python.ort/”的前缀),它们利用它们相关网络协议(例如ftp,http)进行获取。这篇教程关注最广泛的应用–http。对于简单的应用，urlopen是非常容易使用的。但当你在打开http的urls时遇到错误或异常，你将需要一些超文本传输协议(http)的理解。最权威的http文档当然是rfc 2616(http://rfc.net/rfc2616.html)。这是一个技术文档，所以并不易于阅读。这篇howto教程的目的是展现如何使用urllib2,并提供足够的http细节来帮助你理解。他并不是urllib2的文档说明，而是起一个辅助作用。获取 urls最简单的使用urllib2将如下所示
代码如下:
import urllib2response = urllib2.urlopen(‘http://python.org/’)html = response.read()
urllib2的很多应用就是那么简单(记住，除了”http:”,url同样可以使用”ftp:”,”file:”等等来替代)。但这篇文章是教授http的更复杂的应用。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,在它最简单的使用形式中你将用你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，这个应答对象如同一个文件对象，所以你可以在response中调用.read()。
代码如下:
import urllib2req = urllib2.request(‘http://www.bitscn.com’)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。例如你可以像下面那样创建一个ftp请求。
代码如下:
req = urllib2.request(‘ftp://example.com/’)
在http请求时，允许你做额外的两件事。首先是你能够发送data表单数据，其次你能够传送额外的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。接下来让我们看看这些如何发送的吧。data数据有时候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。
代码如下:
import urllibimport urllib2
url = ‘http://www.bitscn.com’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ugoni没有传送data参数，urllib2使用get方式的请求。get和post请求的不同之处是post请求通常有”副作用”，它们会由于某种途径改变系统状态(例如提交成堆垃圾到你的门口)。尽管http标准说的很清楚posts通常会产生副作用，get请求不会产生副作用，但没有什么可以阻止get请求产生副作用，同样post请求也可能不产生副作用。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
代码如下:
>>> import urllib2 >>> import urllib >>> data = {} >>> data[‘name’] = ‘somebody here’ >>> data[‘location’] = ‘northampton’ >>> data[‘language’] = ‘python’ >>> url_values = urllib.urlencode(data) >>> print url_values name=somebody+here&language=python&location=northampton >>> url = ‘http://www.bitscn.com’ >>> full_url = url + ‘?’ + url_values >>> data = urllib2.open(full_url)
headers我们将在这里讨论特定的http头，来说明怎样添加headers到你的http请求。有一些站点不喜欢被程序（非人为访问）访问，或者发送不同版本的内容到不同的浏览器。默认的urllib2把自己作为“python-urllib/x.y”(x和y是python主版本和次版本号,例如python-urllib/2.5)，这个身份可能会让站点迷惑，或者干脆不工作。浏览器确认自己身份是通过user-agent头，当你创建了一个请求对象，你可以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。
代码如下:
import urllibimport urllib2
url = ‘http://www.bitscn.com’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，我们将看到当发生错误时会发生什么。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。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。这种情况下，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。例如
代码如下:
>>> req = urllib2.request(‘http://www.bitscn.com’)>>> try: urllib2.urlopen(req)>>> except urlerror, e:>>> print e.reason>>>(4, ‘getaddrinfo failed’)
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)。请看rfc 2616 第十节有所有的http错误码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。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。basehttpserver.basehttprequesthandler.response是一个很有用的应答号码字典，显示了rfc 2616使用的所有的应答号。这里为了方便重新展示该字典。（译者略）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。
代码如下:
>>> req = urllib2.request(‘http://www.python.org/fish.html’)>>> try:>>> urllib2.urlopen(req)>>> except urlerror, e:>>> print e.code>>> print e.read()>>>
代码如下:
404error 404: file not found…… etc…
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：
代码如下:
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：
代码如下:
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
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()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。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。openers和handlers当你获取一个url你使用一个opener(一个urllib2.openerdirector的实例，urllib2.openerdirector可能名字可能有点让人混淆。)正常情况下，我们使用默认opener — 通过urlopen,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。如果你希望用特定处理器获取urls你会想创建一个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，然后调用不断调用.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，除了为了方便。