python模块（包）之urllib
urllib is a package that collects several modules for working with URLs:
- urllib.request for opening and reading URLs
- urllib.error containing the exceptions raised by urllib.request
- urllib.parse for parsing URLs
- urllib.robotparser for parsing robots.txt files
大体来说就是urllib是一个包含request、error、parse、robotparser四个模块，关乎网络资源请求的包。request模块用来发起网络资源请求；error模块用来在request网络资源过程中搜集异常报错；parse模块用来对url地址进行处理；robotparser模块用来解析robots.txt文件（未知）。
1、request
The urllib.request module defines functions and classes which help in opening URLs (mostly HTTP) in a complex world — basic and digest authentication, redirections, cookies and more.
1.1 方法
urllib.request.urlopen(url, data=None, [timeout, ], cafile=None, capath=None, cadefault=False, context=None)：
- url，可以是url地址字符串，或者是Request对象（下面会提到）。
- data，指定发送到服务器的数据对象。
- cafile、capath，发起HTTPS请求时指定一组可信的CA证书。cafile应指向包含一系列CA证书的单个文件，而capath应指向散列证书文件的目录。
- context，该参数若被指定，必须是
ssl.SSLContext对象。 - timeout，请求超时时间。
这里一般url、data、timeout三个参数还比较常用。
该函数返回一个上下文管理对象，包含一下几种方法获取返回结果的相关信息：
- geturl()：返回检索的资源的URL，通常用于确定是否遵循重定向。
- info()：以
email.message_from_string()实例的形式返回页面的元信息，如头信息。 - getcode()：返回http响应的状态码。
对于http和https，除上述的几个函数获取信息外，该函数返回也是对http.client.HTTPResponse稍加修改的对象，其详细说明见下方官档。
HTTPResponse Objects这个对象常用方法有：
- read()：读取响应主体，数据格式为bytes类型，需要decode()解码，要按编码转换成str类型。
- msg：http.client.HTTPMessage包含响应标头实例。
- status：服务器的状态码。
- reason：服务器返回的原因短语。
- closed：数据流被关闭时为True。
在查看urllib的源码request.py找到类OpenerDirector，其下面方法open可以找到下面几行代码：
if isinstance(fullurl, str):
req = Request(fullurl, data)
else:
req = fullurl
if data is not None:
req.data = data
urllib.request.urlopen() 方面介绍里面提到：请求资源可以是url地址字符串，或者是Request对象。再看上面一段代码isinstance(fullurl, str)传递的fullurl是str的实例对象，就将fullurl等转化为Request的实例对象。
所以请求资源是url地址字符串或是Request对象都殊途同归，最终会转为Request的实例对象进行资源请求。下面的子类会对Request对象进行详细介绍。
附加这个方法对应的去注释源码。
def urlopen(url, data=None, timeout=socket._GLOBAL_DEFAULT_TIMEOUT,
*, cafile=None, capath=None, cadefault=False, context=None):
global _opener
if cafile or capath or cadefault:
import warnings
warnings.warn("cafile, cpath and cadefault are deprecated, use a "
"custom context instead.", DeprecationWarning, 2)
if context is not None:
raise ValueError(
"You can't pass both context and any of cafile, capath, and "
"cadefault"
)
if not _have_ssl:
raise ValueError('SSL support not available')
context = ssl.create_default_context(ssl.Purpose.SERVER_AUTH,
cafile=cafile,
capath=capath)
https_handler = HTTPSHandler(context=context)
opener = build_opener(https_handler)
elif context:
https_handler = HTTPSHandler(context=context)
opener = build_opener(https_handler)
elif _opener is None:
_opener = opener = build_opener()
else:
opener = _opener
这里面注意几个变量。
a、https_handler：姑且称为资源构造器，它相当于处理不同网络资源的句柄对象，如HTTPHandler、HTTPSHandler、FileHandler、FTPHandler、UnknownHandler等类的实例对象。
b、opener = build_opener(https_handler)：姑且称为资源钥匙，它是一个OpenerDirector类的实例对象，其参数是上面说的资源构造器，用这把钥匙可以打开网络的任意资源。
下面继续request模块的方法介绍。
urllib.request.build_opener([handler, ...])：构造资源钥匙，它是一个OpenerDirector类的实例对象，其参数是上面说的资源构造器。
- handler，HTTPHandler、HTTPSHandler、FileHandler、FTPHandler、UnknownHandler等类的实例对象。
urllib.request.install_opener(opener)：插入资源钥匙，载入OpenerDirector子类的实例对象，用来请求网络资源。
- opener，常为build_opener([handler, ...])方法得到的
OpenerDirector类的实例对象。
1.2 request常用子类
urllib.request.Request(url, data=None, headers={}, origin_req_host=None, unverifiable=False, method=None)：网络资源请求的抽象。
- url，网络资源地址字符串。
- data， 请求携带数据，常为post表单数据。
- headers，携带请求头，一些http常用请求头信息。
- method，指明请求方法，GET、POST、PUT之类。
urllib.request.HTTPCookieProcessor(cookiejar=None)：处理http cookie。
- cookiejar，一般为
cookielib.CookieJar()方法保存的cookie文件。
urllib.request.ProxyHandler(proxies=None)：代理请求。
- proxies，字典形式。如
{'sock5': 'localhost:1080'}、{'https': '192.168.8.8:2365'}。
urllib.request.FileHandler()：一个文件对象。（不知是否可以作为上传文件使用。）
这些子类又有一些自己的方法，大多暂且不介绍，附Request类的方法官档链接。
2、error
处理由request请求产生的错误。
urllib.error.URLError：地址错误，有属性如下：
- reason，可能是错误字符串或其它的错误实例。
urllib.error.HTTPError：网络请求错误，有属性如下：
- code，http状态码。
- reason，错误原因。
- headers，响应头。
3、parse
The urllib.parse module defines functions that fall into two broad categories: URL parsing and URL quoting. These are covered in detail in the following sections.
这个模块提供处理url的标准接口，两种：解析处理和引用处理。
3.1 URL Parsing
The URL parsing functions focus on splitting a URL string into its components, or on combining URL components into a URL string.
urllib.parse.urlparse(urlstring, scheme='', allow_fragments=True)：url地址解析。
url地址通常标准格式如下：scheme://netloc/path;parameters?query#fragment详细说明介绍可见http.md的介绍。返回是6个元素组成的元组。
- urlstring，urlstring地址字符串。
- scheme，指定默认协议。
- allow_fragments，False时将不进行fragment解析，直接将其视作path、query或parameters的一部分。
urllib.parse.parse_qs(qs, keep_blank_values=False, strict_parsing=False, encoding='utf-8', errors='replace')：解析url参数字符串。
- qs，查询子串。
- keep_blank_values，百分比编码查询的空白值是否应视为空白字符串。
- strict_parsing，如果解析错误，false为默认忽略，否则错误引发ValueError异常。
- encoding，errors。可选的编码和错误参数指定如何将百分比编码的序列解码为Unicode字符。
3.2 URL Quoting
urllib.parse.urlencode(query, doseq=False, safe='', encoding=None, errors=None, quote_via=quote_plus)：多参数元组拼接为百分比编码后的字符串。
4、写在后面
概念比较空洞，实践出真知。简单内容可以参见threading_douban.py。
