Python中的httplib获取状态码...但太复杂了？

Question

>>> import httplib
>>> conn = httplib.HTTPConnection("www.google.com")
>>> conn.request("HEAD", "/index.html")
>>> res = conn.getresponse()
>>> print res.status, res.reason
200 OK

这段代码可以获取HTTP状态码。不过，你会发现我把“google.com”和“/index.html”分成了两行。

这样看起来有点让人困惑。

如果我只想查找一个普通网址的状态码怎么办？？？

http://mydomain.com/sunny/boo.avi
http://anotherdomain.com/podcast.mp3
http://anotherdomain.com/rss/fee.xml

难道我不能直接把网址放进去，让它工作吗？

补充一下...我不能使用urllib，因为我不想下载文件。

Answer 1

connect 方法需要一个服务器地址（可以选择性地加上端口号）。你需要把连接和你真正想要的资源分开。

如果你想更简单地直接下载网络资源，可以使用 urllib2，不过 urllib2 只支持 GET 或 POST 方法，不支持 HEAD，所以你最后会下载整个资源。

Answer 2

也许你可以考虑使用URL库来解决这个问题？

在Python 2中，可以使用urllib2：

>>> import urllib2
>>> url = urllib2.urlopen("http://www.google.com/index.html")
>>> url.getcode()
200

在Python 3中，可以使用urllib.request：

>>> import urllib.request
>>> url = urllib.request.urlopen("http://www.google.com/index.html")
>>> url.getcode()
200

Answer 3

另外，如果你觉得下载数据可能会有问题，但你确实需要使用 HEAD 方法的话，可以用 urlparse 来解析网址：

>>> import httplib
>>> import urlparse
>>> url = "http://www.google.com/index.html"
>>> (scheme, netloc, path, params, query, fragment) = urlparse.urlparse(url)
>>> conn = httplib.HTTPConnection(netloc)
>>> conn.request("HEAD", urlparse.urlunparse(('', '', path, params, query, fragment))
>>> res = conn.getresponse()
>>> print res.status, res.reason
302 Found

然后把这个代码放进一个函数里，传入网址作为参数。