Jaki jest najszybszy sposób na HTTP GET w Pythonie?

Jaki jest najszybszy sposób na HTTP GET w Pythonie, jeśli wiem, że zawartość będzie ciągiem? Przeszukuję dokumentację w celu znalezienia szybkiego linku, takiego jak:

contents = url.get("http://example.com/foo/bar")

Ale wszystko, co mogę znaleźć za pomocą Google są httplibi urllib- i jestem w stanie znaleźć skrót w tych bibliotekach.

Czy standardowy Python 2.5 ma skrót w jakiejś formie jak wyżej, czy powinienem napisać funkcję url_get?

1. Wolałbym nie wychwytywać wyniku ostrzału do wgetlub curl.

Python 3:

import urllib.request
contents = urllib.request.urlopen("http://example.com/foo/bar").read()

Python 2:

import urllib2
contents = urllib2.urlopen("http://example.com/foo/bar").read()

Dokumentacja dla urllib.requesti read.

Możesz użyć biblioteki o nazwie żądania .

import requests
r = requests.get("http://example.com/foo/bar")

To całkiem proste. Następnie możesz zrobić tak:

>>> print(r.status_code)
>>> print(r.headers)
>>> print(r.content)

Jeśli chcesz, aby rozwiązanie z httplib2 było jednym narzędziem, zastanów się nad utworzeniem anonimowego obiektu HTTP

import httplib2
resp, content = httplib2.Http().request("http://example.com/foo/bar")

Spójrz na httplib2 , który - obok wielu bardzo przydatnych funkcji - zapewnia dokładnie to, czego chcesz.

import httplib2

resp, content = httplib2.Http().request("http://example.com/foo/bar")

Gdzie treść byłaby treścią odpowiedzi (jako ciąg), a resp zawierałaby nagłówki statusu i odpowiedzi.

Nie jest on dołączony do standardowej instalacji Pythona (ale wymaga tylko standardowego Pythona), ale zdecydowanie warto to sprawdzić.

Jest to dość proste dzięki potężnej urllib3bibliotece.

Zaimportuj to w ten sposób:

import urllib3

http = urllib3.PoolManager()

I zrób taką prośbę:

response = http.request('GET', 'https://example.com')

print(response.data) # Raw data.
print(response.data.decode('utf-8')) # Text.
print(response.status) # Status code.
print(response.headers['Content-Type']) # Content type.

Możesz także dodać nagłówki:

response = http.request('GET', 'https://example.com', headers={
    'key1': 'value1',
    'key2': 'value2'
})

Więcej informacji można znaleźć w dokumentacji urllib3 .

urllib3jest o wiele bezpieczniejsze i łatwiejsze w użyciu niż polecenie wbudowane urllib.requestlub httpmoduły i jest stabilny.

rozwiązanie theller dla wget jest naprawdę przydatne, ale stwierdziłem, że nie drukuje postępu w trakcie pobierania. Jest to idealne, jeśli dodasz jeden wiersz po wyciągu drukowanym w raporcie zaczepu.

import sys, urllib

def reporthook(a, b, c):
    print "% 3.1f%% of %d bytes\r" % (min(100, float(a * b) / c * 100), c),
    sys.stdout.flush()
for url in sys.argv[1:]:
    i = url.rfind("/")
    file = url[i+1:]
    print url, "->", file
    urllib.urlretrieve(url, file, reporthook)
print

Oto skrypt wget w Pythonie:

# From python cookbook, 2nd edition, page 487
import sys, urllib

def reporthook(a, b, c):
    print "% 3.1f%% of %d bytes\r" % (min(100, float(a * b) / c * 100), c),
for url in sys.argv[1:]:
    i = url.rfind("/")
    file = url[i+1:]
    print url, "->", file
    urllib.urlretrieve(url, file, reporthook)
print

Bez dalszych importów to rozwiązanie działa (dla mnie) - także z https:

try:
    import urllib2 as urlreq # Python 2.x
except:
    import urllib.request as urlreq # Python 3.x
req = urlreq.Request("http://example.com/foo/bar")
req.add_header('User-Agent', 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36')
urlreq.urlopen(req).read()

Często mam problemy z pobieraniem treści, gdy nie podaje się „User-Agent” w informacjach nagłówka. Następnie zwykle żądania są anulowane za pomocą: urllib2.HTTPError: HTTP Error 403: Forbiddenlub urllib.error.HTTPError: HTTP Error 403: Forbidden.

Jak również wysyłać nagłówki

Python 3:

import urllib.request
contents = urllib.request.urlopen(urllib.request.Request(
    "https://api.github.com/repos/cirosantilli/linux-kernel-module-cheat/releases/latest",
    headers={"Accept" : 'application/vnd.github.full+json"text/html'}
)).read()
print(contents)

Python 2:

import urllib2
contents = urllib2.urlopen(urllib2.Request(
    "https://api.github.com",
    headers={"Accept" : 'application/vnd.github.full+json"text/html'}
)).read()
print(contents)

Jeśli pracujesz w szczególności z interfejsami API HTTP, istnieją również wygodniejsze opcje, takie jak Nap .

Oto na przykład, jak zdobyć informacje z Github od 1 maja 2014 r . :

from nap.url import Url
api = Url('https://api.github.com')

gists = api.join('gists')
response = gists.get(params={'since': '2014-05-01T00:00:00Z'})
print(response.json())

Więcej przykładów: https://github.com/kimmobrunfeldt/nap#examples

Doskonałe rozwiązania Xuan, Theller.

Aby działał z Pythonem 3, wprowadź następujące zmiany

import sys, urllib.request

def reporthook(a, b, c):
    print ("% 3.1f%% of %d bytes\r" % (min(100, float(a * b) / c * 100), c))
    sys.stdout.flush()
for url in sys.argv[1:]:
    i = url.rfind("/")
    file = url[i+1:]
    print (url, "->", file)
    urllib.request.urlretrieve(url, file, reporthook)
print

Ponadto podany adres URL powinien być poprzedzony „http: //”, w przeciwnym razie zwraca błąd nieznanego typu adresu URL.

Dla python >= 3.6, można użyć DLOAD :

import dload
t = dload.text(url)

Dla json:

j = dload.json(url)

Zainstalować:
pip install dload

Właściwie w pythonie możemy czytać z adresów URL jak z plików, oto przykład odczytu jsona z API.

import json

from urllib.request import urlopen

with urlopen(url) as f:

resp = json.load(f)

return resp['some_key']

Jeśli chcesz interfejsu API niższego poziomu:

import http.client

conn = http.client.HTTPSConnection('example.com')
conn.request('GET', '/')

resp = conn.getresponse()
content = resp.read()

conn.close()

text = content.decode('utf-8')

print(text)