[Python]网络爬虫（四）：Opener与Handler的介绍和实例应用
更好的學習網址：http://www.voidspace.org.uk/python/articles/urllib2.shtml#openers-and-handlers
以下為個人學習筆記。
在開始后面的內容之前，先來解釋一下urllib2中的兩個個方法：info and geturl?
urlopen返回的應答對象response(或者HTTPError實例)有兩個很有用的方法info()和geturl()
1.geturl()：
這個返回獲取的真實的URL，這個很有用，因為urlopen(或者opener對象使用的)或許會有重定向。獲取的URL或許跟請求URL不同。
以人人中的一個超級鏈接為例,
我們建一個urllib2_test10.py來比較一下原始URL和重定向的鏈接：
?
from urllib2 import Request, urlopen, URLError, HTTPErrorold_url = 'http://rrurl.cn/b1UZuP' req = Request(old_url) response = urlopen(req) ? print 'Old url :' + old_url print 'Real url :' + response.geturl()
運行之后可以看到真正的鏈接指向的網址：
2.info()：
這個返回對象的字典對象，該字典描述了獲取的頁面情況。通常是服務器發送的特定頭headers。目前是httplib.HTTPMessage 實例。
經典的headers包含"Content-length"，"Content-type"，和其他內容。
我們建一個urllib2_test11.py來測試一下info的應用：
from urllib2 import Request, urlopen, URLError, HTTPErrorold_url = 'http://www.baidu.com' req = Request(old_url) response = urlopen(req) ? print 'Info():' print response.info()
運行的結果如下，可以看到頁面的相關信息：
下面來說一說urllib2中的兩個重要概念：Openers和Handlers。
1.Openers：
當你獲取一個URL你使用一個opener(一個urllib2.OpenerDirector的實例)。
正常情況下，我們使用默認opener：通過urlopen。
但你能夠創建個性的openers。
2.Handles：
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議打開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獲取URLs你會想創建一個openers，例如獲取一個能處理cookie的opener，或者獲取一個不重定向的opener。
要創建一個 opener，可以實例化一個OpenerDirector，
然后調用.add_handler(some_handler_instance)。
同樣，可以使用build_opener，這是一個更加方便的函數，用來創建opener對象，他只需要一次函數調用。
build_opener默認添加幾個處理器，但提供快捷的方法來添加或更新默認處理器。
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 用來創建（全局）默認opener。這個表示調用urlopen將使用你安裝的opener。
Opener對象有一個open方法。
該方法可以像urlopen函數那樣直接用來獲取urls：通常不必調用install_opener，除了為了方便。
說完了上面兩個內容，下面我們來看一下基本認證的內容，這里會用到上面提及的Opener和Handler。
Basic Authentication 基本驗證
為了展示創建和安裝一個handler，我們將使用HTTPBasicAuthHandler。
當需要基礎驗證時，服務器發送一個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".
例如
Www-authenticate: Basic realm="cPanel Users"
客戶端必須使用新的請求，并在請求頭里包含正確的姓名和密碼。
這是“基礎驗證”，為了簡化這個過程，我們可以創建一個HTTPBasicAuthHandler的實例，并讓opener使用這個handler就可以啦。
HTTPBasicAuthHandler使用一個密碼管理的對象來處理URLs和realms來映射用戶名和密碼。
如果你知道realm(從服務器發送來的頭里)是什么，你就能使用HTTPPasswordMgr。
通常人們不關心realm是什么。那樣的話，就能用方便的HTTPPasswordMgrWithDefaultRealm。
這個將在你為URL指定一個默認的用戶名和密碼。
這將在你為特定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來指示這種情況。
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將同樣合適。
說了這么多廢話，下面來用一個例子演示一下上面說到的內容。
我們建一個urllib2_test12.py來測試一下info的應用：
# -*- coding: utf-8 -*-
import urllib2
?
# 創建一個密碼管理者
password_mgr = urllib2.HTTPPasswordMgrWithDefaultRealm()
?
# 添加用戶名和密碼
?
top_level_url = "http://example.com/foo/"
?
# 如果知道 realm, 我們可以使用他代替 ``None``.
# password_mgr.add_password(None, top_level_url, username, password)
password_mgr.add_password(None, top_level_url,'why', '1223')
?
# 創建了一個新的handler
handler = urllib2.HTTPBasicAuthHandler(password_mgr)
?
# 創建 "opener" (OpenerDirector 實例)
opener = urllib2.build_opener(handler)
?
a_url = 'http://www.baidu.com/'
?
# 使用 opener 獲取一個URL
opener.open(a_url)
?
# 安裝 opener.
# 現在所有調用 urllib2.urlopen 將用我們的 opener.
urllib2.install_opener(opener)
?
?
注意：以上的例子我們僅僅提供我們的HHTPBasicAuthHandler給build_opener。
默認的openers有正常狀況的handlers：ProxyHandler，UnknownHandler，HTTPHandler，HTTPDefaultErrorHandler， HTTPRedirectHandler，FTPHandler， FileHandler， HTTPErrorProcessor。
代碼中的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號)。
例如：http://example.com/。
也可以是一個“authority”(即主機名和可選的包含端口號)。
例如：“example.com” or “example.com:8080”。
后者包含了端口號。
---------------------?
作者：請叫我汪海?
來源：CSDN?
原文：https://blog.csdn.net/pleasecallmewhy/article/details/8924889?
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！
總結
以上是生活随笔為你收集整理的[Python]网络爬虫（四）：Opener与Handler的介绍和实例应用的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： [Python]网络爬虫（三）：异常的处
- 下一篇： [Python]网络爬虫（五）：urll