Foundations of Python Network Programming - 读书笔记系列(2) - Web Services

Web Client Access

HTTP(Hypertext Transfer Prototol)协议是如今使用最广的协议之一。Python中通常使用urllib2模块来实现HTTP协议。

urllib和urllib2的区别？urllib2更据扩展性，同时和urllib一样具备了基本的功能。而urllib提供了较多的一些实用的功能。

1. Fetching Web Pages

import sys, urllib2

req = urllib2.Request(sys.argv[1])

fd = urllib2.urlopen(req)

print "Retrieved", fd.geturl()

info = fd.info()

for key, value in info.items():

print "%s = %s" % (key, value)

urllib2.urlopen()返回的是一个File-like对象，因此可以调用read()方法，比如：

import sys, urllib2

req = urllib2.Request(sys.argv[1])

fd = urllib2.urlopen(req)

while 1:

data = fd.read(1024)

if not len(data):

break

sys.stdout.write(data)

2. Authenticating

通常，某些网页需要HTTP安全性验证才能访问(SSL)，比如需要提供用户名和密码的信息。如果我们没有提供不要的信息去访问一个需要安全性验证的网页，将会返回一个HTTP401(Authorization Required)，urllib2模块能够处理这种情况，看下面的例子：

import sys, urllib2, getpass

class TerminalPassword(urllib2.HTTPPasswordMgr):

def find_user_password(self, realm, authuri):

retval = urllib2.HTTPPasswordMgr.find_user_password(self, realm,

authuri)

if retval[0] == None and retval[1] == None:

# Did not find it in stored values; prompt user.

sys.stdout.write("Login required for %s at %s\n" % \

(realm, authuri))

sys.stdout.write("Username: ")

username = sys.stdin.readline().rstrip()

password = getpass.getpass().rstrip()

return (username, password)

else:

return retval

req = urllib2.Request(sys.argv[1])

opener = urllib2.build_opener(urllib2.HTTPBasicAuthHandler(TerminalPassword()))

fd = opener.open(req)

print "Retrieved", fd.geturl()

info = fd.info()

for key, value in info.items():

print "%s = %s" % (key, value)

仔细分析一下上面的代码，第一步还是一样调用了Request()方法，第二步使用了urlib2.build_opener()方法创建一个opener，里面的参数是类似委托类型，当网页需要安全性验证时，HTTPBasicAuthHandler将会自动调用委托的方法TerminalPassword，而这个TerminalPassword是一个继承自urllib2.HTTPPasswordMgr的类，用于在需要用户名和密码时提供相应的信息。其实，在我们的第一个例子中（不需要安全性验证的例子），build_opener()在urlopen()的内部自动被调用了，传的参数为空，因为网页不需要安全性验证。

3. Submitting Form Data -- Get

提交表单数据其实有很多种，本书提到了是两种：Get和Post，其实还有比如：Put方式（不知道Python里有没有提供）。先来看Get方式，Get方式是直接把要提交的数据放在URL里的，每个参数之间用&号隔开。看下面的代码：

import sys, urllib2, urllib

def addGETdata(url, data):

"""Adds data to url. Data should be a list or tuple consisting of 2-item

lists or tuples of the form: (key, value).

Items that have no key should have key set to None.

A given key may occur more than once.

"""

return url + '?' + urllib.urlencode(data)

zipcode = sys.argv[1]

url = addGETdata('http://www.wunderground.com/cgi-bin/findweather/getForecast',

[('query', zipcode)])

print "Using URL", url

req = urllib2.Request(url)

fd = urllib2.urlopen(req)

while 1:

data = fd.read(1024)

if not len(data):

break

sys.stdout.write(data)

4. Submitting From Data -- Post

Post方式是把要提交的数据单独放在一个地方而不是简单的放在URL中，主要用于发送一些比较大的数据。使用起来其实也很简单，如下：

import sys, urllib2, urllib

zipcode = sys.argv[1]

url = 'http://www.wunderground.com/cgi-bin/findweather/getForecast'

data = urllib.urlencode([('query', zipcode)])

req = urllib2.Request(url)

fd = urllib2.urlopen(req, data)

while 1:

data = fd.read(1024)

if not len(data):

break

sys.stdout.write(data)
注意到，Get和Post方式都需要把要传输的数据encode，都是调用了urllib.urlencode()方法，其实这个方法只是将你要传输的数据的Key和Value用一些符号连接起来，比如连接成下面的样子：

username=abc&search=whoareyou
Get和Post使用起来的不同之处在于urllib2.urlopen()上，Post使用了两个参数。

5. Catching Connection Errors

连接一个地址时，假如主机不存在，域名错误等等，会返回一些错误的信息，比如：404(File Not Found)。而urllib2.URLError可以捕捉连接时的任何异常。然后，HTTP的一些异常信息通常伴随着一些描述性的文档，当我们只是要捕捉这样的异常，同时获取异常的内部信息时，可以使用urllib2.HTTPError来捕获，urllib2.HTTPError是urllib2.URLError的子类，它是一个file-like对象，因此可以直接用read()方法读取内部信息。下面的例子：

import sys, urllib2

req = urllib2.Request(sys.argv[1])

try:

fd = urllib2.urlopen(req)

except urllib2.HTTPError, e:

print "Error retrieving data:", e

print "Server errror document follows:\n"

print e.read()

sys.exit(1)

except urllib2.URLError, e:

print "Error retrieving data:", e

sys.exit(2)

print "Retrieved", fd.geturl()

info = fd.info()

for key, value in info.items():

print "%s = %s" % (key, value)
假如出现HTTP Error，你将会输出如下信息：

import sys, urllib2, socket

req = urllib2.Request(sys.argv[1])

try:

fd = urllib2.urlopen(req)

except urllib2.HTTPError, e:

print "Error retrieving data:", e

print "Server errror document follows:\n"

print e.read()

sys.exit(1)

except urllib2.URLError, e:

print "Error retrieving data:", e

sys.exit(2)

print "Retrieved", fd.geturl()

bytesread = 0

while 1:

try:

data = fd.read(1024)

except socket.error, e:

print "Error reading data:", e

sys.exit(3)

if not len(data):

break

bytesread += len(data)

sys.stdout.write(data)

if fd.info().has_key('Content-Length') and \

long(fd.info()['Content-Length']) != long(bytesread):

print "Expected a document of size %d, but read %d bytes" % \

(long(fd.info()['Content-Length']), bytesread)

sys.exit(4)
注意到上面我们使用的sys.exit()，几个地方使用了不同的参数：1，2，3，4，这些是退出代码，通常当退出代码是0时表示程序是正常退出的，其他的任何的都是不正常退出的。我们在上面使用了其他退出代码是为了能让调用我们脚本的程序更方便的得到我们的脚本退出的信息。

urllib2模块不仅仅支持HTTP协议，同样支持其他非HTTP协议，比如FTP。不同的是，比如FTP协议你不会在有header的信息，因此你当你调用info()函数时会出错的。不过通常情况下，使用urllib2来进行其他非HTTP协议也是非常方便的，基本上不需要再额外做什么，比如最前面第二个例子，我们讲传入的参数设置为FTP地址，同样使用。

import sys, urllib2

req = urllib2.Request(sys.argv[1])

fd = urllib2.urlopen(req)

while 1:

data = fd.read(1024)

if not len(data):

break

sys.stdout.write(data)
运行如下：