Python urllib2 Python urllib2运行过程原理解析
人气:01.urlopen函数
urllib2.urlopen(url[, data[, timeout[, cafile[, capath[, cadefault[, context]]]]])
注:
url表示目标网页地址,可以是字符串,也可以是请求对象Request
req= urllib2.Request(url, data,headers) response = urllib2.urlopen(req,timeout=3)
data表示post方式提交给目标服务器的参数
data = urllib.urlencode(data)
import urllib,urllib2 action_url="http://www.xxxxxx.com/post"#用于测试post的网址,返回提交的数据 values={'name':"alice",'age':20} data=urllib.urlencode(values)#对表单数据编码 rqst=urllib2.Request(action_url,data) response=urllib2.urlopen(rqst)#模拟提交表单数据到url并获得响应
timeout表示超时时间设置。
返回值
- response.read()返回页面内容
- response.info()返回网页信息
- response.geturl()返回连接地址
这个函数可以像urllib.urlopen()那样以url做参数。也能以Request实例为参数,即用一个Request对象(下文构造方法)来映射你提出的HTTP请求,在它最简单的使用形式中你将用你要请求的地址创建一个Request对象,这个Request对象中可以设置传输数据、headers等。通过调用urlopen并传入Request对象,将返回一个file-like对象。urllib2还提供了接口来处理一般情况,例如:基础验证,cookies,代理和其他,它们通过handlers和openers的对象实现。
2、Request函数
urllib2.Request(url[, data][, headers][, origin_req_host][, unverifiable])
用于构造Request对象,可以传递data数据,添加请求头(headers)等,构造好后作为urllib2.urlopen()的参数。
注:
url表示目标网页地址,可以是字符串,也可以是请求对象Request
data表示post方式提交给目标服务器的参数
headers表示用户标识,是一个字典类型的数据,有些不允许脚本的抓取,所以需要用户代理,像火狐浏览器的代理就是类似:
Mozilla/5.0 (X11; U; Linux i686)Gecko/20071127 Firefox/2.0.0.11
浏览器的标准UA格式为:浏览器标识 (操作系统标识; 加密等级标识; 浏览器语言) 渲染引擎标识 版本信息 ,headers默认是
Python-urllib/2.6
origin_req_host表示请求方的主机域名或者ip地址。
headers = {'User-Agent':'Mozilla/5.0 (X11; U; Linux i686)Gecko/20071127 Firefox/2.0.0.11'}
import urllib import urllib2 url = 'http://www.weibo.cn/' user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' h = { 'User-Agent' : user_agent } req = urllib2.Request(url,headers=h) response = urllib2.urlopen(req) print response.read()
3、build_opener()
build_opener([handler1 [ handler2, ... ]])
urllib2.urlopen()函数不支持验证、cookie或者其它HTTP高级功能。要支持这些功能,必须使用build_opener()函数创建自定义Opener对象。
参数handler是Handler实例,常用的有HTTPBasicAuthHandler、HTTPCookieProcessor、ProxyHandler等。
build_opener ()返回的对象具有open()方法,与urlopen()函数的功能相同。
如果要修改http报头,可以用:
import urllib2 opener = urllib2.build_opener() opener.addheaders = [('User-agent', 'Mozilla/5.0')] opener.open('http://www.example.com/')
加载全部内容