如何防止 Python 的 urllib(2) 遵循重定向

Question

我目前正在尝试使用 Python 登录网站，但是该网站似乎在同一页面上发送 cookie 和重定向语句。Python 似乎遵循该重定向，从而阻止我读取登录页面发送的 cookie。如何防止 Python 的 urllib（或 urllib2）urlopen 遵循重定向？

Answer 1

你可以做几件事：

1. 构建您自己的 HTTPRedirectHandler 来拦截每个重定向
2. 创建 HTTPCookieProcessor 的实例并安装该 opener，以便您可以访问 cookiejar。

这是一个快速的小事情，同时显示了

import urllib2

#redirect_handler = urllib2.HTTPRedirectHandler()

class MyHTTPRedirectHandler(urllib2.HTTPRedirectHandler):
    def http_error_302(self, req, fp, code, msg, headers):
        print "Cookie Manip Right Here"
        return urllib2.HTTPRedirectHandler.http_error_302(self, req, fp, code, msg, headers)

    http_error_301 = http_error_303 = http_error_307 = http_error_302

cookieprocessor = urllib2.HTTPCookieProcessor()

opener = urllib2.build_opener(MyHTTPRedirectHandler, cookieprocessor)
urllib2.install_opener(opener)

response =urllib2.urlopen("WHEREEVER")
print response.read()

print cookieprocessor.cookiejar

Answer 2

如果你需要的是停止重定向，然后有一个简单的方法来做到这一点。例如，我只想要得到的cookies和更好的表现，我不希望被重定向到任何其他页面。此外，我希望代码保持为3XX。让我们使用302例如

class MyHTTPErrorProcessor(urllib2.HTTPErrorProcessor):

    def http_response(self, request, response):
        code, msg, hdrs = response.code, response.msg, response.info()

        # only add this line to stop 302 redirection.
        if code == 302: return response

        if not (200 <= code < 300):
            response = self.parent.error(
                'http', request, response, code, msg, hdrs)
        return response

    https_response = http_response

cj = cookielib.CookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj), MyHTTPErrorProcessor)

在这种方式，你甚至不需要进入urllib2.HTTPRedirectHandler.http_error_302（）

<强>然而更常见的情况是，我们简单地要停止重定向（根据需要）：

class NoRedirection(urllib2.HTTPErrorProcessor):

    def http_response(self, request, response):
        return response

    https_response = http_response

和通常使用这种方式：

cj = cookielib.CookieJar()
opener = urllib2.build_opener(NoRedirection, urllib2.HTTPCookieProcessor(cj))
data = {}
response = opener.open('http://www.example.com', urllib.urlencode(data))
if response.code == 302:
    redirection_target = response.headers['Location']

Answer 3

urllib2.urlopen调用它使用处理类的此列表build_opener()：

handlers = [ProxyHandler, UnknownHandler, HTTPHandler,
HTTPDefaultErrorHandler, HTTPRedirectHandler,
FTPHandler, FileHandler, HTTPErrorProcessor]

您可以尝试调用urllib2.build_opener(handlers)自己与省略HTTPRedirectHandler列表，然后调用结果的open()方法来打开你的网址。如果你真的不喜欢重定向，你甚至可以打电话给urllib2.install_opener(opener)自己的非重定向揭幕战。

这听起来像你真正的问题是，urllib2是不是做饼干你想要的方式。另请参见如何使用Python登录到一个网页，检索cookie以便将来使用？

Answer 4

这个问题之前被问过 这里.

编辑： 如果您必须处理古怪的网络应用程序，您可能应该尝试一下 机械化. 。这是一个很棒的模拟网络浏览器的库。您可以控制重定向、cookie、页面刷新...如果网站不[严重]依赖 JavaScript，那么您会与 mechanize 相处得很好。