urllib2是Python的一個擷取URLs(Uniform Resource Locators)的元件。他以urlopen函數的形式提供了一個非常簡單的接口，
這是具有利用不同協定擷取URLs的能力，他同樣提供了一個比較複雜的接口來處理一般情況，例如：基礎驗證，cookies,代理和其他。
它們通過handlers和openers的對象提供。
urllib2支援擷取不同格式的URLs(在URL的":"前定義的字串,例如："ftp"是"ftp:python.ort/"的字首),它們利用它們相關網絡協定(例如FTP,HTTP)
進行擷取。這篇教程關注最廣泛的應用--HTTP。
對于簡單的應用，urlopen是非常容易使用的。但當你在打開HTTP的URLs時遇到錯誤或異常，你将需要一些超文本傳輸協定(HTTP)的了解。
最權威的HTTP文檔當然是RFC 2616(http://rfc.net/rfc2616.html)。這是一個技術文檔，是以并不易于閱讀。這篇HOWTO教程的目的是展現如何使用urllib2,
并提供足夠的HTTP細節來幫助你了解。他并不是urllib2的文檔說明，而是起一個輔助作用。
擷取 URLs
最簡單的使用urllib2将如下所示
| 1 2 3 | |
urllib2的很多應用就是那麼簡單(記住，除了"http:",URL同樣可以使用"ftp:","file:"等等來替代)。但這篇文章是教授HTTP的更複雜的應用。
HTTP是基于請求和應答機制的--用戶端提出請求，服務端提供應答。urllib2用一個Request對象來映射你提出的HTTP請求,在它最簡單的使用形式中你将用你要請求的
位址建立一個Request對象，通過調用urlopen并傳入Request對象，将傳回一個相關請求response對象，這個應答對象如同一個檔案對象，是以你可以在Response中調用.read()。
| 4 | |
記得urllib2使用相同的接口處理所有的URL頭。例如你可以像下面那樣建立一個ftp請求。
req = urllib2.Request('ftp://example.com/')
在HTTP請求時，允許你做額外的兩件事。首先是你能夠發送data表單資料，其次你能夠傳送額外的關于資料或發送本身的資訊("metadata")到伺服器，此資料作為HTTP的"headers"來發送。
接下來讓我們看看這些如何發送的吧。
Data資料
有時候你希望發送一些資料到URL(通常URL與CGI[通用網關接口]腳本，或其他WEB應用程式挂接)。在HTTP中,這個經常使用熟知的POST請求發送。這個通常在你送出一個HTML表單時由你的浏覽器來做。
并不是所有的POSTs都來源于表單，你能夠使用POST送出任意的資料到你自己的程式。一般的HTML表單，data需要編碼成标準形式。然後做為data參數傳到Request對象。編碼工作使用urllib的函數而非urllib2。
| 5 6 7 8 9 10 | |
記住有時需要别的編碼(例如從HTML上傳檔案--看http://www.w3.org/TR/REC-html40/interact/forms.html#h-17.13 HTML Specification, Form Submission的詳細說明)。
如ugoni沒有傳送data參數，urllib2使用GET方式的請求。GET和POST請求的不同之處是POST請求通常有"副作用"，它們會由于某種途徑改變系統狀态(例如送出成堆垃圾到你的門口)。
盡管HTTP标準說的很清楚POSTs通常會産生副作用，GET請求不會産生副作用，但沒有什麼可以阻止GET請求産生副作用，同樣POST請求也可能不産生副作用。Data同樣可以通過在Get請求
的URL本身上面編碼來傳送。
可看如下例子
| 11 12 | |
Headers
我們将在這裡讨論特定的HTTP頭，來說明怎樣添加headers到你的HTTP請求。
有一些站點不喜歡被程式（非人為通路）通路，或者發送不同版本的内容到不同的浏覽器。預設的urllib2把自己作為“Python-urllib/x.y”(x和y是Python主版本和次版本号,例如Python-urllib/2.5)，
這個身份可能會讓站點迷惑，或者幹脆不工作。浏覽器确認自己身份是通過User-Agent頭，當你建立了一個請求對象，你可以給他一個包含頭資料的字典。下面的例子發送跟上面一樣的内容，但把自身
模拟成Internet Explorer。
| 13 | |
response應答對象同樣有兩個很有用的方法。看下面的節info and geturl，我們将看到當發生錯誤時會發生什麼。
Handle Exceptions處理異常
當urlopen不能夠處理一個response時，産生urlError（不過通常的Python APIs異常如ValueError,TypeError等也會同時産生）。
HTTPError是urlError的子類，通常在特定HTTP URLs中産生。
URLError
通常，URLError在沒有網絡連接配接(沒有路由到特定伺服器),或者伺服器不存在的情況下産生。這種情況下，異常同樣會帶有"reason"屬性，它是一個tuple，包含了一個錯誤号和一個錯誤資訊。
例如
|
(4, 'getaddrinfo failed')
HTTPError
伺服器上每一個HTTP 應答對象response包含一個數字"狀态碼"。有時狀态碼指出伺服器無法完成請求。預設的處理器會為你處理一部分這種應答(例如:假如response是一個"重定向"，需要用戶端從别的位址擷取文檔
，urllib2将為你處理)。其他不能處理的，urlopen會産生一個HTTPError。典型的錯誤包含"404"(頁面無法找到)，"403"(請求禁止)，和"401"(帶驗證請求)。
請看RFC 2616 第十節有所有的HTTP錯誤碼
HTTPError執行個體産生後會有一個整型'code'屬性，是伺服器發送的相關錯誤号。
Error Codes錯誤碼
因為預設的處理器處理了重定向(300以外号碼)，并且100-299範圍的号碼訓示成功，是以你隻能看到400-599的錯誤号碼。
BaseHTTPServer.BaseHTTPRequestHandler.response是一個很有用的應答号碼字典，顯示了RFC 2616使用的所有的應答号。這裡為了友善重新展示該字典。（譯者略）
當一個錯誤号産生後，伺服器傳回一個HTTP錯誤号，和一個錯誤頁面。你可以使用HTTPError執行個體作為頁面傳回的應答對象response。這表示和錯誤屬性一樣，它同樣包含了read,geturl,和info方法。
|
|
Wrapping it Up包裝
是以如果你想為HTTPError或URLError做準備，将有兩個基本的辦法。我則比較喜歡第二種。
第一個：
|
注意：except HTTPError 必須在第一個，否則except URLError将同樣接受到HTTPError。
第二個：
|
info and geturl
urlopen傳回的應答對象response(或者HTTPError執行個體)有兩個很有用的方法info()和geturl()
geturl -- 這個傳回擷取的真實的URL，這個很有用，因為urlopen(或者opener對象使用的)或許
會有重定向。擷取的URL或許跟請求URL不同。
info -- 這個傳回對象的字典對象，該字典描述了擷取的頁面情況。通常是伺服器發送的特定頭headers。目前是httplib.HTTPMessage 執行個體。
經典的headers包含"Content-length"，"Content-type"，和其他。檢視Quick Reference to HTTP Headers(http://www.cs.tut.fi/~jkorpela/http.html)
擷取有用的HTTP頭清單，以及它們的解釋意義。
Openers和Handlers
當你擷取一個URL你使用一個opener(一個urllib2.OpenerDirector的執行個體，urllib2.OpenerDirector可能名字可能有點讓人混淆。)正常情況下，我們
使用預設opener -- 通過urlopen,但你能夠建立個性的openers，Openers使用處理器handlers，所有的“繁重”工作由handlers處理。每個handlers知道
如何通過特定協定打開URLs，或者如何處理URL打開時的各個方面，例如HTTP重定向或者HTTP cookies。
如果你希望用特定處理器擷取URLs你會想建立一個openers，例如擷取一個能處理cookie的opener，或者擷取一個不重定向的opener。
要建立一個 opener,執行個體化一個OpenerDirector，然後調用不斷調用.add_handler(some_handler_instance).
同樣，可以使用build_opener，這是一個更加友善的函數，用來建立opener對象，他隻需要一次函數調用。
build_opener預設添加幾個處理器，但提供快捷的方法來添加或更新預設處理器。
其他的處理器handlers你或許會希望處理代理，驗證，和其他常用但有點特殊的情況。
install_opener 用來建立（全局）預設opener。這個表示調用urlopen将使用你安裝的opener。
Opener對象有一個open方法，該方法可以像urlopen函數那樣直接用來擷取urls：通常不必調用install_opener，除了為了友善。
Basic Authentication 基本驗證
為了展示建立和安裝一個handler，我們将使用HTTPBasicAuthHandler，為了更加細節的描述本主題--包含一個基礎驗證的工作原理。
請看Basic Authentication Tutorial（http://www.voidspace.org.uk/python/articles/authentication.shtml）
當需要基礎驗證時，伺服器發送一個header(401錯誤碼) 請求驗證。這個指定了scheme 和一個‘realm’，看起來像這樣：Www-authenticate: SCHEME realm="REALM".
Www-authenticate: Basic realm="cPanel Users"
用戶端必須使用新的請求，并在請求頭裡包含正确的姓名和密碼。這是“基礎驗證”，為了簡化這個過程，我們可以建立一個HTTPBasicAuthHandler的執行個體，并讓opener使用這個
handler。
HTTPBasicAuthHandler使用一個密碼管理的對象來處理URLs和realms來映射使用者名和密碼。如果你知道realm(從伺服器發送來的頭裡)是什麼，你就能使用HTTPPasswordMgr。
通常人們不關心realm是什麼。那樣的話，就能用友善的HTTPPasswordMgrWithDefaultRealm。這個将在你為URL指定一個預設的使用者名和密碼。這将在你為特定realm提供一個其他組合時
得到提供。我們通過給realm參數指定None提供給add_password來訓示這種情況。
最高層次的URL是第一個要求驗證的URL。你傳給.add_password()更深層次的URLs将同樣合适。
| 14 | |
注意：以上的例子我們僅僅提供我們的HHTPBasicAuthHandler給build_opener。預設的openers有正常狀況的handlers--ProxyHandler,UnknownHandler,HTTPHandler,HTTPDefaultErrorHandler, HTTPRedirectHandler, FTPHandler, FileHandler, HTTPErrorProcessor。
top_level_url 實際上可以是完整URL(包含"http:",以及主機名及可選的端口号)例如：http://example.com/，也可以是一個“authority”(即主機名和可選的
包含端口号)例如：“example.com” or “example.com:8080”(後者包含了端口号)。權限驗證，如果遞交的話不能包含"使用者資訊"部分,例如:
“joe@password:example.com”是錯誤的。
Proxies代理urllib 将自動監測你的代理設定并使用他們。這個通過ProxyHandler這個在正常處理器鍊中的對象來處理。通常，那工作的很好。但有時不起作用
。其中一個方法便是安裝我們自己的代理處理器ProxyHandler，并不定義代理。這個跟使用Basic Authentication 處理器很相似。
|
注意：
此時urllib.request不支援通過代理擷取https位址。但，這個可以通過擴充urllib.request達到目的。
Sockets and Layers
Python支援擷取網絡資源是分層結構。urllib 使用http.client庫，再調用socket庫實作。
在Python2.3你可以指定socket的等待回應逾時時間。這個在需要擷取網頁的應用程式裡很有用。預設的socket模型沒有逾時和挂起。現在，socket逾時沒有暴露
給http.client或者urllib.request層。但你可以給所有的sockets設定全局的逾時。
不努力，誰會可憐你？