urllib.urlretrieve 自定义 header

Question

我正在尝试使用 urlretrieve 检索文件，同时添加自定义 header。

在检查 urllib.request 的代码源时，我意识到 urlopen 可以在参数中使用 Request object 而不仅仅是字符串，允许将 header 我想要。但是，如果我尝试对 urlretrieve 执行相同的操作，我会得到另一个 post 中提到的。

我最终做的是重写我自己的 urlretrieve，删除抛出错误的行（该行与我的用例无关）。

它工作正常 但我想知道是否有 better/cleaner 的方法，而不是重写我的拥有 urlretrieve。如果可以将自定义 header 传递给 urlopen，感觉应该可以对 urlretrieve?

做同样的事情

Answer 1

urllib.request.urlretrieve() 在 urllib.request.urlopen() 里面使用（至少在 Python 3）。因此，您可以使用相同的方式来影响 urlopen.

的行为

当调用 urlopen(params) 时，它实际上首先查看特殊的全局变量 urllib.request._opener，如果它是 None，则 urlopen 将变量设置为默认值开瓶器否则它将保持原样。在下一步中，它将调用 urllib.request._opener.open(<urlopen_params>)（在接下来的部分中，我将 urllib.request._opener 仅称为 opener）。

opener.open() 包含不同协议的处理程序列表。当调用 opener.open() 时，它将执行以下操作：

从 URL urllib.request.Request object 创建（或者如果您直接提供 Request 它将直接使用它）。
从 Request object 中提取协议（它从 URL 方案推导出来）。
根据协议，它将尝试查找并使用这些方法：
- protocol_request（例如http_request）-它用于pre-process连接打开前的请求。
- protocol_open - 实际创建与远程服务器的连接
- protocol_response - 处理来自服务器的响应
- 其他方法请看Python's documentation

对于您自己的开瓶器，您必须执行这 3 个步骤：

创建自己的处理程序
构建处理程序列表包含您的自定义处理程序（函数 urllib.request.build_opener）
将新的 opener 安装到 urllib.request._opener（函数 urllib.request.install_opener）

urllib.request.build_opener 创建包含您的自定义处理程序的开启器，并添加默认开启器，但您的自定义处理程序从中继承的处理程序除外。

所以要添加自定义 header 你可以这样写：

import urllib.request as req

class MyHTTP(req.HTTPHandler):
    def http_request(self, req):
        req.headers["MyHeader"] = "Content of my header"
        return super().http_request(req)

opener = req.build_opener(MyHTTP())
req.install_opener(opener)

从这一点开始，当您调用 urllib.request.urlretrieve() 或任何使用 urlopen() 的东西时，它将使用您的处理程序进行 HTTP 通信。当你想回到默认处理程序时，你可以调用：

import urllib.request as req   

req.install_opener(req.build_opener())

老实说，我不知道它是否是 better/cleaner 解决方案，但它使用 urllib.

中准备好的机制

Answer 2

我找到了一种方法，您只需添加几行额外的代码...

import urllib.request

opener = urllib.request.build_opener()
opener.addheaders = [('User-agent', 'Mozilla/5.0')]
urllib.request.install_opener(opener)
urllib.request.urlretrieve("type URL here", "path/file_name")

如果您想了解详细信息，可以参考 python 文档：https://docs.python.org/3/library/urllib.request.html

urllib.urlretrieve 自定义 header

urllib.urlretrieve with custom header

python-3.x

urllib

urlretrieve