你可以使用两种不同的自定义 URL 处理器来处理永久重定向和临时重定向。
首先，让我们来看看重定向处理的必要性。
例 11.10. 没有重定向处理的情况下，访问 web 服务
>>> import urllib2, httplib >>> httplib.HTTPConnection.debuglevel = 1>>> request = urllib2.Request( ... 'http://diveintomark.org/redir/example301.xml')
>>> opener = urllib2.build_opener() >>> f = opener.open(request) connect: (diveintomark.org, 80) send: ' GET /redir/example301.xml HTTP/1.0 Host: diveintomark.org User-agent: Python-urllib/2.1 ' reply: 'HTTP/1.1 301 Moved Permanently\r\n'
header: Date: Thu, 15 Apr 2004 22:06:25 GMT header: Server: Apache/2.0.49 (Debian GNU/Linux) header: Location: http://diveintomark.org/xml/atom.xml
header: Content-Length: 338 header: Connection: close header: Content-Type: text/html; charset=iso-8859-1 connect: (diveintomark.org, 80) send: ' GET /xml/atom.xml HTTP/1.0
Host: diveintomark.org User-agent: Python-urllib/2.1 ' reply: 'HTTP/1.1 200 OK\r\n' header: Date: Thu, 15 Apr 2004 22:06:25 GMT header: Server: Apache/2.0.49 (Debian GNU/Linux) header: Last-Modified: Thu, 15 Apr 2004 19:45:21 GMT header: ETag: "e842a-3e53-55d97640" header: Accept-Ranges: bytes header: Content-Length: 15955 header: Connection: close header: Content-Type: application/atom+xml >>> f.url
'http://diveintomark.org/xml/atom.xml' >>> f.headers.dict {'content-length': '15955', 'accept-ranges': 'bytes', 'server': 'Apache/2.0.49 (Debian GNU/Linux)', 'last-modified': 'Thu, 15 Apr 2004 19:45:21 GMT', 'connection': 'close', 'etag': '"e842a-3e53-55d97640"', 'date': 'Thu, 15 Apr 2004 22:06:25 GMT', 'content-type': 'application/atom+xml'} >>> f.status Traceback (most recent call last): File "<stdin>", line 1, in ? AttributeError: addinfourl instance has no attribute 'status'
|
|
你最好开启调试状态，看看发生了什么。 |
|
|
这是一个我已经设置了永久重定向到我的 Atom feed http://diveintomark.org/xml/atom.xml 的 URL。 |
|
|
毫无疑问，当你试图从那个地址下载数据时，服务器会返回 301 状态代码，告诉你你访问的资源已经被永久移动了。 |
|
|
服务器同时返回 Location: 头信息，它给出了这个数据的新地址。 |
|
|
urllib2 注意到了重定向状态代码并会自动从Location: 头信息中给出的新地址获取数据。 |
|
|
从 opener 返回的对象包括新的永久地址和第二次请求获得的所有头信息 (从一个新的永久地址获得)。但是状态代码不见了，因此你无从知晓重定向到底是永久重定向还是临时重定向。这是至关重要的：如果这是临时重定向，那么你应该继续使用旧地址访问数据。但是如果是永久重定向 (正如本例)，你应该从现在起使用新地址访问数据。 |
这不太理想，但很容易改进。实际上当 urllib2 遇到 301 或 302 时的行为并不是我们所期望的，所以让我们来覆盖这些行为。如何实现呢？用一个自定义的处理器，正如你处理 304 代码所做的。
例 11.11. 定义重定向处理器
这个类定义在 openanything.py。
class SmartRedirectHandler(urllib2.HTTPRedirectHandler):
|
|
重定向行为定义在 urllib2 的一个叫做 HTTPRedirectHandler 的类中。我们不想完全地覆盖这些行为，只想做点扩展，所以我们子类化 HTTPRedirectHandler，从而我们仍然可以调用祖先类来实现所有原来的功能。 |
|
|
当从服务器获得 301 状态代码，urllib2 将搜索处理器并调用 http_error_301 方法。我们首先要做的就是在祖先中调用 http_error_301 方法，它将处理查找 Location: 头信息的工作并跟踪重定向到新地址。 |
|
|
这是关键：返回之前，你存储了状态代码 (301)，所以主调程序稍后就可以访问它了。 |
|
|
临时重定向 (状态代码 302) 以相同的方式工作：覆盖 http_error_302 方法，调用祖先，并在返回之前保存状态代码。 |
这将为我们带来什么？现在你可以用自定义重定向处理器构造一个的 URL 开启器，并且它依然能自动跟踪重定向，也能展示出重定向状态代码。
例 11.12. 使用重定向处理器检查永久重定向
>>> request = urllib2.Request('http://diveintomark.org/redir/example301.xml') >>> import openanything, httplib >>> httplib.HTTPConnection.debuglevel = 1 >>> opener = urllib2.build_opener( ... openanything.SmartRedirectHandler())
|
|
首先，用刚刚定义的重定向处理器创建一个 URL 开启器。 |
|
|
你发送了一个请求，并在响应中获得了 301 状态代码。 如此一来，http_error_301 方法就被调用了。你调用了祖先类，跟踪了重定向并且发送了一个新地址 (http://diveintomark.org/xml/atom.xml) 请求。 |
|
|
这是决定性的一步：现在，你不仅做到了访问一个新 URL，而且获得了重定向的状态代码，所以你可以断定这是一个永久重定向。下一次你请求这个数据时，就应该使用 f.url 指定的新地址 (http://diveintomark.org/xml/atom.xml)。如果你已经在配置文件或数据库中存储了这个地址，就需要更新旧地址而不是反复地使用旧地址请求服务。现在是更新你的地址簿的时候了。 |
同样的重定向处理也可以告诉你不该 更新你的地址簿。
例 11.13. 使用重定向处理器检查临时重定向
>>> request = urllib2.Request( ... 'http://diveintomark.org/redir/example302.xml')
|
|
这是一个 URL，我已经设置了它，让它告诉客户端临时 重定向到 http://diveintomark.org/xml/atom.xml。 |
|
|
服务器返回 302 状态代码，标识出一个临时重定向。数据的临时新地址在 Location: 头信息中给出。 |
|
|
urllib2 调用你的 http_error_302 方法，它调用了 urllib2.HTTPRedirectHandler 中的同名的祖先方法，跟踪重定向到一个新地址。然后你的 http_error_302 方法存储状态代码 (302) 使主调程序在稍后可以获得它。 |
|
|
此时，已经成功追踪重定向到 http://diveintomark.org/xml/atom.xml。f.status 告诉你这是一个临时重定向，这意味着你应该继续使用原来的地址 (http://diveintomark.org/redir/example302.xml) 请求数据。也许下一次它仍然被重定向，也许不会。也许会重定向到不同的地址。这也不好说。服务器说这个重定向仅仅是临时的，你应该尊重它。并且现在你获得了能使主调程序尊重它的充分信息。 |