上一篇使用urllib抓取 Python网页抓取urllib,urllib2,httplib[1]
使用httplib抓取：
表示一次与服务器之间的交互，即请求/响应
httplib.HTTPConnection ( host [ , port [ ,strict [ , timeout ]]] )
host表示服务器主机
port为端口号，默认值为80
strict的 默认值为false， 表示在无法解析服务器返回的状态行时(status line) （比较典型的状态行如： HTTP/1.0 200 OK ），是否抛BadStatusLine 异常
可选参数timeout 表示超时时间。
HTTPConnection提供的方法：
- HTTPConnection.request ( method , url [ ,body [ , headers ]] )
调用request 方法会向服务器发送一次请求
method 表示请求的方法，常用有方法有get 和post ；
url 表示请求的资源的url ；
body 表示提交到服务器的数据，必须是字符串（如果method是”post”，则可以把body 理解为html 表单中的数据）；
headers 表示请求的http 头。
- HTTPConnection.getresponse ()
获取Http 响应。返回的对象是HTTPResponse 的实例，关于HTTPResponse 在下面会讲解。
- HTTPConnection.connect ()
连接到Http 服务器。
- HTTPConnection.close ()
关闭与服务器的连接。
- HTTPConnection.set_debuglevel ( level )
设置高度的级别。参数level 的默认值为0 ，表示不输出任何调试信息。
httplib.HTTPResponse
-HTTPResponse表示服务器对客户端请求的响应。往往通过调用HTTPConnection.getresponse()来创建，它有如下方法和属性：
-HTTPResponse.read([amt])
获取响应的消息体。如果请求的是一个普通的网页，那么该方法返回的是页面的html。可选参数amt表示从响应流中读取指定字节的数据。
-HTTPResponse.getheader(name[, default])
获取响应头。Name表示头域(header field)名，可选参数default在头域名不存在的情况下作为默认值返回。
-HTTPResponse.getheaders()
以列表的形式返回所有的头信息。
- HTTPResponse.msg
获取所有的响应头信息。
-HTTPResponse.version
获取服务器所使用的http协议版本。11表示http/1.1；10表示http/1.0。
-HTTPResponse.status
获取响应的状态码。如：200表示请求成功。
-HTTPResponse.reason
返回服务器处理请求的结果说明。一般为”OK”
使用例子：
#!/usr/bin/python
# -*- coding:utf-8 -*-
# httplib_test.py
# author:wklken
# 2012-03-17 wklken#yeah.net
def use_httplib():
import httplib
conn = httplib.HTTPConnection("www.baidu.com")
i_headers = {"User-Agent": "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1) Gecko/20090624 Firefox/3.5",
"Accept": "text/plain"}
conn.request("GET", "/", headers = i_headers)
r1 = conn.getresponse()
print "version:", r1.version
print "reason:", r1.reason
print "status:", r1.status
print "msg:", r1.msg
print "headers:", r1.getheaders()
data = r1.read()
print len(data)
conn.close()
if __name__ == "__main__":
use_httplib()