Opener 与 Handler 的介绍和实例应用
在开始后面的内容之前,先来解释一下 urllib2 中的两个个方法: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。
以人人中的一个超级链接为例,我们建一个 urllib2_test10.py 来比较一下原始 URL 和重定向的链接:
from urllib2 import Request, urlopen, URLError, HTTPError
old_url = 'http://rrurl.cn/b1UZuP'
req = Request(old_url)
response = urlopen(req)
print 'Old url :' + old_url
print 'Real url :' + response.geturl()
运行之后可以看到真正的链接指向的网址:
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",和其他内容。
我们建一个 urllib2_test11.py 来测试一下 info 的应用:
from urllib2 import Request, urlopen, URLError, HTTPError
old_url = 'http://www.baidu.com'
req = Request(old_url)
response = urlopen(req)
print 'Info():'
print response.info()
运行的结果如下,可以看到页面的相关信息:
下面来说一说 urllib2 中的两个重要概念:Openers 和 Handlers。
Openers
当你获取一个 URL 你使用一个 opener(一个 urllib2.OpenerDirector 的实例)。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。
Handles
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,可以实例化一个 OpenerDirector,然后调用 .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。
说完了上面两个内容,下面我们来看一下基本认证的内容,这里会用到上面提及的 Opener 和 Handler。
Basic Authentication 基本验证
为了展示创建和安装一个 handler,我们将使用 HTTPBasicAuthHandler。 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 就可以啦。
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。说了这么多废话,下面来用一个例子演示一下上面说到的内容。
我们建一个 urllib2_test12.py 来测试一下 info 的应用:
\# -*- coding: utf-8 -*-
import urllib2
\# 创建一个密码管理者
password_mgr = urllib2.HTTPPasswordMgrWithDefaultRealm()
\# 添加用户名和密码
top_level_url = "http://example.com/foo/"
\# 如果知道 realm, 我们可以使用他代替 ``None``.
\# password_mgr.add_password(None, top_level_url, username, password)
password_mgr.add_password(None, top_level_url,'why', '1223')
\# 创建了一个新的handler
handler = urllib2.HTTPBasicAuthHandler(password_mgr)
\# 创建 "opener" (OpenerDirector 实例)
opener = urllib2.build_opener(handler)
a_url = 'http://www.baidu.com/'
\# 使用 opener 获取一个URL
opener.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。
代码中的 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。