Python 标准库 urllib2 的使用细节

python 标准库中有很多实用的工具类，但是在具体使用时，标准库文档上对使用细节描述的并不清楚，比如 urllib2 这个 http 客户端库。这里总结了一些 urllib2 的使用细节。

proxy 的设置

timeout 设置

在 http request 中加入特定的 header

redirect

cookie

使用 http 的 put 和 delete 方法

得到 http 的返回码

debug log

urllib2 默认会使用环境变量 http_proxy 来设置 http proxy。如果想在程序中明确控制 proxy 而不受环境变量的影响，可以使用下面的方式

在老版 python 中，urllib2 的 api 并没有暴露 timeout 的设置，要设置 timeout 值，只能更改 socket 的全局 timeout 值。

在 python 2.6 以后，超时可以通过 urllib2.urlopen() 的 timeout 参数直接设置。

要加入 header，需要使用 request 对象：

对有些 header 要特别留意，服务器会针对这些 header 做检查

user-agent : 有些服务器或 proxy 会通过该值来判断是否是浏览器发出的请求

content-type : 在使用 rest 接口时，服务器会检查该值，用来确定 http body 中的内容该怎样解析。常见的取值有：

application/xml ： 在 xml rpc，如 restful/soap 调用时使用

application/json ： 在 json rpc 调用时使用

application/x-www-form-urlencoded ： 浏览器提交 web 表单时使用

在使用服务器提供的 restful 或 soap 服务时， content-type 设置错误会导致服务器拒绝服务

urllib2 默认情况下会针对 http 3xx 返回码自动进行 redirect 动作，无需人工配置。要检测是否发生了 redirect 动作，只要检查一下 response 的 url 和 request 的 url 是否一致就可以了。

如果不想自动 redirect，除了使用更低层次的 httplib 库之外，还可以自定义 httpredirecthandler 类。

urllib2 对 cookie 的处理也是自动的。如果需要得到某个 cookie 项的值，可以这么做：

urllib2 只支持 http 的 get 和 post 方法，如果要使用 http put 和 delete ，只能使用比较低层的 httplib 库。虽然如此，我们还是能通过下面的方式，使 urllib2 能够发出 put 或 delete 的请求：

这种做法虽然属于 hack 的方式，但实际使用起来也没什么问题。

对于 200 ok 来说，只要使用 urlopen 返回的 response 对象的 getcode() 方法就可以得到 http 的返回码。但对其它返回码来说，urlopen 会抛出异常。这时候，就要检查异常对象的 code 属性了：

使用 urllib2 时，可以通过下面的方法把 debug log 打开，这样收发包的内容就会在屏幕上打印出来，方便调试，有时可以省去抓包的工作