Python for Infomatics 第12章 网络编程一（译）

注：文章原文为Dr. Charles Severance 的 《Python for Informatics》。文中代码用3.4版改写，并在本机测试通过。

　　本书中的许多例子关注的是读取文件并查找数据，但在互联网中还有许多不同信息源。

　　本章我们将伪装成浏览器用超文本传送协议（HTTP）从网站获取网页，通读并分析它。

12.1 超文本传送协议-HTTP

　　支撑网页运转的网络协议实际非常简单，在Python中内置了套接字（socket）模块，使得使用套接字创建网络连接并获取数据变得非常容易。

　　套接字最很像文件，可以对它进行读写，但它还提供在两个程序间进行双向连接。如果你向套接字写信息，它将把信息发送另一端程序对应的套接字上，如果你读取信息，你得到的将是对端程序发送的信息。

　　但是当你在对端未发送信息时去读套接字，那么你就只有坐干等了。如果两端的套接字都在接收数据而未发送数据，那么它们将等上很长一段时间。
　　所以程序中用于互联网通信的重要部分必须有某种协议。协议是一个定义谁先发、发的消息要干什么、怎么响应这个消息、谁接着发等的准确规则的集合。在某种意义上，两端应用程序好像在跳舞，并且确保不要踩到对方的脚趾上。

　　关于这些网络协议的文档有很多，超文本传送协议RFC2616链接如下：

http://www.w3.org/Protocols/rfc2616/rfc2616.txt

　　这个176页又长又复杂的文档有很多细节信息，如果你感兴趣你可以通读它。如果你翻看第36页，你会发现GET请求的语法。你仔细阅读，你会发现从一个网站请求获取一个文档，我们需要先和网站建立套接字连接，然后再发送GET请求。例如我们在80端口和www.py4inf.com服务器建立连接，然后发送以下格式的请求：

GET http://www.py4inf.com/code/romeo.txt HTTP/1.0

　　其中第二个参数是我们请求的网页，然后我们再发送一个空行。网页服务器将响应发送这个网页的头信息、文档内容和一个紧跟其后的空行。

 12.2 世界上最简单的浏览器

　　也许显示HTTP协议如何工作的最简单方法就是写一个非常简单的Python程序，它将和网页服务器建立连接，并遵循HTTP协议规则，请求一个文档，然后在服务器送回后进行显示。代码如下：

import socket
mysock = socket.socket(socket.AF_INET, socket.SOCKET_STREAM)
mysock.connect(('www.py4inf.com', 80))
mysock.send(b'Get http://www.py4inf.com/code/romeo.txt HTTP/1.0

')
while True:
    data = mysock.recv(512).decode('utf-8')
    if (len(data) < 1):
        break
    print (data)
mysock.close()

　　首先这个程序和www.py4inf.com服务器在80端口建立了一个连接。因为我们的程序扮演的是网页浏览器的角色，所以HTTP协议说我们必须发送GET命令，并发送一个空行结束命令。

　　等我们完成发送，我们循环从socket接收512个字符块，并打印出数据，直至读不到数据为止（即：rev()方法返回一个空字符串）。

　　程序的输出如下：

HTTP/1.1 200 OK
Date: Fri, 22 Apr 2016 15:21:42 GMT
Server: Apache
Last-Modified: Fri, 04 Dec 2015 19:05:04 GMT
ETag: "e103c2f4-a7-526172f5b5d89"
Accept-Ranges: bytes
Content-Length: 167
Cache-Control: max-age=604800, public
Access-Control-Allow-Origin: *
Access-Control-Allow-Headers: origin, x-requested-with, content-type
Access-Control-Allow-Methods: GET
Connection: close
Content-Type: text/plain

But soft what light through yonder window breaks
It is the east and Juliet is the sun
Arise fai
r sun and kill the envious moon
Who is already sick and pale with grief

　　输出的开头是网页服务器发送的描述这个文档的头信息。例如内容类型头表示这个文档时纯文本文件（text/plain）。

　　在头文件之后，服务器发送了一个空行，表示头文件结束。然后发送romeo.txt的实际数据。

　　这个例子展示了如何用套接字创建一个底层的网络连接。套接字可以和网页服务器、邮件服务器或其它许多类型的服务器通信。你要做就是找到描述这个协议的文档，然后依据协议编写发送和接收的代码。

　　因为我们用得最多的是HTTP协议，所以在Python有一个专门设计用来支持HTTP协议的特定库，用来检索网上的文档和数据。
　　下一节将介绍这个库。