Python爬虫学习（2）： httplib

　　httplib模块实现了HTTP和HTTPS的客户端部分，但是一般不直接使用，经常通过urllib来进行HTTP，HTTPS的相关操作。

　　如果需要查看其源代码可以通过查找命令定位：

find / -name "httplib.py"

　　整个请求过程的状态转移图如下所示：

　　

httplib提供如下的类：

1. httplib.HTTPConnection(host[, port[, strict[, timeout[, source_address]]]])

　　一个HTTPConnection实例表示一次与HTTP server的连机事务，在实例化的时候至少需要一个主机地址。port参数如果没有指定会默认采用80端口。strict参数的默认值是false,当这个值为true的时候，如果状态行(status line)不是HTTP/1.0 or 1.1，则会引发BadStatusLine错误。timeout参数指定在多长时间后还未连接到主机则停止此联机行为。source_address参数是二元组形式(host,port)，指定发起连接的客户机的IP和端口。

>>> h1 = httplib.HTTPConnection('www.cwi.nl')
>>> h2 = httplib.HTTPConnection('www.cwi.nl:80')
>>> h3 = httplib.HTTPConnection('www.cwi.nl', 80)
>>> h3 = httplib.HTTPConnection('www.cwi.nl', 80, timeout=10)

　　其包含如下几个方法：

　　1.1 HTTPConnection.request(method, url[, body[, headers]])

　　　　以method方法来访问url地址，body参数可以是需要发送的数据字符串，还可以是文件对象，其将会在发送完headers之后发送出去。headers参数对应HTTP headers中需要的内容。如果headers参数没有指定，则headers中的Content-Length会根据body的大小自动添加（字符串的长度或者是文件的大小）。

　　1.2 HTTPConnection.getresponse()

　　　　一般在调用request之后用来获取返回结果，此方法返回一个HTTPResponse对象。

　　　　注意： 在发送一个新的请求之前要先读取返回的结果，否则会出错。源文件中对应的部分如下：

        # Note: if a prior response exists, then we *can* start a new request.

        #       We are not allowed to begin fetching the response to this new

        #       request, however, until that prior response is complete.

        #

        if self.__state == _CS_IDLE:

            self.__state = _CS_REQ_STARTED

        else:

            raise CannotSendRequest()

　　　　测试实例：

　　　　

　　1.3 HTTPConnection.set_debuglevel(level)

　　　　设置调试级别（相关的调试信息会打印出来），默认值是0，表示不打印调试信息。

In [14]: con = httplib.HTTPConnection("www.baidu.com")

In [15]: con.set_debuglevel(1)
# 请求过程中会输出一些调式信息
In [16]: req = con.request("GET","/")
send: 'GET / HTTP/1.1\r\nHost: www.baidu.com\r\nAccept-Encoding: identity\r\n\r\n'

　　1.4 HTTPConnection.connect()

　　　　当HTTPConnection对象创建的时候自动连接到服务器

　　1.5 HTTPConnection.close()

　　　　你懂的

　　你除了直接调用request()方法来访问服务器，还可以以下边4步实现此功能：

　　1.6.1 HTTPConnection.putrequest(request, selector[, skip_host[, skip_accept_encoding]])：

　　　　　这是连接到服务器之后的第一步操作

　　1.6.2 HTTPConnection.putheader(header, argument[, ...])

　　　　　发送请求头

　　1.6.3 HTTPConnection.endheaders(message_body=None)

　　　　向服务器发送一空行表示请求头的结束。

　　1.6.4 HTTPConnection.send(data)　

　　　　向服务器发送数据。应该在endheaders函数调用之后，getresponse函数之前调用。

2. httplib.HTTPSConnection(host[, port[, key_file[, cert_file[, strict[, timeout[, source_address[, context]]]]]]])

　　这是HTTPConnection的一个子类，通过SSL来和安全主机交互，采用的默认端口是443.如果参数context指定时候，这其此参数必须是ssl.SSLContext（描述SSL的各种信息）的实例。

　　key_file和cert_file参数已经弃用。

3. httplib.HTTPResponse(sock, debuglevel=0, strict=0)

　　这个类会在成功连接后返回，不会被用户直接初始化。

　　HTTPResponse.read([amt])：

　　　　返回响应结果，或者读取下amt个字节

In [23]: response = con.getresponse()

In [24]: response.read(10)
Out[24]: '<!DOCTYPE '

　　HTTPResponse.getheader(name[, default])

　　　　获取指定文件头中指定的内容

In [26]: response.getheader("server")
Out[26]: 'BWS/1.1'
In [27]: response.getheader("date")
Out[27]: 'Mon, 17 Oct 2016 10:59:40 GMT'
In [28]: response.getheader("Date")
Out[28]: 'Mon, 17 Oct 2016 10:59:40 GMT'

　　HTTPResponse.getheaders()

　　　　获取文件头的列表

　　　　

　　HTTPResponse.fileno()

　　　　获取socket的文件描述符

　　HTTPResponse.msg

获取包含响应头的 mimetools.Message 的实例

In [30]: message = response.msg
In [31]: message
Out[31]: <httplib.HTTPMessage instance at 0x39610e0>
# 获取响应头信息
In [33]: dict = message.dict
In [34]: dict
Out[34]:
{'accept-ranges': 'bytes',
 'cache-control': 'no-cache',
 'connection': 'Keep-Alive',
 'content-length': '',
 'content-type': 'text/html',
 'date': 'Mon, 17 Oct 2016 10:59:40 GMT',
 'last-modified': 'Thu, 13 Oct 2016 05:07:00 GMT',
 'p3p': 'CP=" OTI DSP COR IVA OUR IND COM "',
 'pragma': 'no-cache',
 'server': 'BWS/1.1',
 'set-cookie': 'BAIDUID=6C2B1FF908F1DD87C092C282D6F1EE2A:FG=1; expires=Thu, 31-Dec-37 23:55:55 GMT; max-age=2147483647; path=/; domain=.baidu.com, BIDUPSID=6C2B1FF908F1DD87C092C282D6F1EE2A; expires=Thu, 31-Dec-37 23:55:55 GMT; max-age=2147483647; path=/; domain=.baidu.com, PSTM=1476701980; expires=Thu, 31-Dec-37 23:55:55 GMT; max-age=2147483647; path=/; domain=.baidu.com',
 'vary': 'Accept-Encoding',
 'x-ua-compatible': 'IE=Edge,chrome=1'}

　　HTTPResponse.status

　　　HTTP的状态码

　　HTTPResponse.reason

In [35]: response.reason
Out[35]: 'OK'

4. httplib.HTTPMessage

　　 这个类中存储HTTP的响应头信息。其通过 mimetools.Message实现，并提供处理头的使用函数，不会被用户实例化。

参考地址： https://docs.python.org/2/library/httplib.html#httplib.HTTPSConnection