Python-сообщество

Игнат · Апрель 4, 2011 18:53:54

интересно, а может ли urllib скачивать ответ сервера в gzip и разжимать его?
или, т.к. он не посылает хидер - Accept-Encoding: gzip,deflate - сервер отдает ему ответ несжатым

но можно ли научить urllib принимать gzip?

zheromo · Апрель 4, 2011 20:46:01

Игнат
т.к. он не посылает хидер - Accept-Encoding: gzip,deflate - сервер отдает ему ответ несжатым

Теоретически да, но это не всегда так, не все сервера следуют стандарту - некоторые отдают gzip всегда.

Игнат
но можно ли научить urllib принимать gzip?

Вот например: http://diveintopython.org/http_web_services/gzip_compression.html

Игнат · Апрель 6, 2011 13:00:32

спасибо
написал такой пример:

import urllib.request as req
import http.client
import io
from gzip import GzipFile

http.client.HTTPConnection.debuglevel = 1

request = req.Request('http://www.thedowntown.ru')
request.add_header('Accept-encoding', 'gzip')

opener = req.build_opener()
f = opener.open(request)

data = f.read().decode('utf-8', 'ignore')
compressedstream = io.StringIO(data)

gzipper = GzipFile(fileobj=compressedstream)
data = gzipper.read()

но получаю эксепшн:

send: b'GET / HTTP/1.1\r\nHost: www.thedowntown.ru\r\nUser-Agent: Python-urllib/3.2\r\nConnection: close\r\nAccept-Encoding: gzip\r\n\r\n'
reply: 'HTTP/1.1 200 OK\r\n'
header: Server header: Date header: Content-Type header: Transfer-Encoding header: Connection header: X-Powered-By header: Expires header: Last-Modified header: Cache-Control header: Accept-Encoding header: Pragma header: Set-Cookie header: Content-Encoding header: Vary ENCODING: gzip 


Traceback (most recent call last):
  File "/home/python3/gzip_test.py", line 21, in <module>
    data = gzipper.read()
  File "/usr/local/lib/python3.2/gzip.py", line 331, in read
    self._read(readsize)
  File "/usr/local/lib/python3.2/gzip.py", line 385, in _read
    self._read_gzip_header()
  File "/usr/local/lib/python3.2/gzip.py", line 257, in _read_gzip_header
    magic = self.fileobj.read(2)
  File "/usr/local/lib/python3.2/gzip.py", line 70, in read
    self.file.read(size-self._length+read)
TypeError: can't concat bytes to str

в чем может быть причина?

ещё кстати, если качать http://www.google.ru - то он не отдает в gzip, а браузеру отдает

Андрей Светлов · Апрель 6, 2011 13:19:17

Игнат, да научитесь же наконец работе с байтами и строками!
Получаете HTTPResponse, который io.RawIOBase — так что вам ещё нужно? Какого чорта тянете его в строку через urf-8, потом StringIO? Чтобы получить TypeError в итоге?
Нет, вы не перестаёте меня восхищать!

Игнат · Апрель 6, 2011 13:42:19

где RawIOBase? (даже если бы я знал что это такое)

data = f.read()#.decode('utf-8', 'ignore')
print(type(data)) --> <class 'bytes'>

и этот класс bytes не принимает ни io.StringIO(data), ни GzipFile(fileobj=data)

вам возможно это кажется очевидным и простым, но я лично нихрена не понимаю
и не понимаю даже что надо изучить и гуглить, чтобы это понять

и даже если сделать так:

print(http.client.HTTPResponse)
print(type(http.client.HTTPResponse))

мы получим

<class 'http.client.HTTPResponse'>
<class 'abc.ABCMeta'>

АБЭЦЭ

Игнат · Апрель 6, 2011 14:14:31

заработало, но при помощи zlib
да и код с zlib куда приятнее и понятнее

выложу на всякий случай:

import urllib.request as req
import http.client
import zlib
#http.client.HTTPConnection.debuglevel = 1

def test(gzip=False):
    
    request = req.Request('http://www.thedowntown.ru')
    if gzip:
        request.add_header('Accept-encoding', 'gzip, deflate')
    
    opener = req.build_opener()
    f = opener.open(request)
    
    isGzip = f.headers.get('Content-Encoding')
    data_src = f.read()
        
    if isGzip == 'gzip':
        print('is GZIP!')
        data = zlib.decompress(data_src, 16+zlib.MAX_WBITS)
    else:        
        print('its NOT GZIP!')
        data = data_src

    data = data.decode('utf-8', 'ignore')
    print('downloaded: %d bytes' % len(data_src))
    print('decompressed: %d bytes' % len(data))
    print('-'*40)
        
test() # without gzip
test(True) #with gzip

получаем

its NOT GZIP!
downloaded: 13133 bytes
decompressed: 10366 bytes
----------------------------------------
is GZIP!
downloaded: 4731 bytes
decompressed: 10366 bytes
----------------------------------------

но все же непонятно, почему гугл не возвращает гзип скрипту

Отредактировано (Апрель 6, 2011 14:15:34)

Андрей Светлов · Апрель 6, 2011 15:59:31

print(http.client.HTTPResponse.__mro__)

f = opener.open(request)

gzipper = GzipFile(fileobj=f)
data = gzipper.read()

Python-сообщество

Уведомления

#1 Апрель 4, 2011 18:53:54

urllib и gzip

#2 Апрель 4, 2011 20:46:01

urllib и gzip

#3 Апрель 6, 2011 13:00:32

urllib и gzip

#4 Апрель 6, 2011 13:19:17

urllib и gzip

#5 Апрель 6, 2011 13:42:19

urllib и gzip

#6 Апрель 6, 2011 14:14:31

urllib и gzip

#7 Апрель 6, 2011 15:59:31

urllib и gzip

Board footer