脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python爬虫 urllib2的使用

Python爬虫 urllib2的使用方法详解

 更新时间：2019年09月23日 10:44:11   作者：那时的小镇  
这篇文章主要介绍了Python爬虫 urllib2的使用方法详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

所谓网页抓取，就是把URL地址中指定的网络资源从网络流中读取出来，保存到本地。在Python中有很多库可以用来抓取网页，我们先学习urllib2。

urllib2是Python2.x自带的模块(不需要下载，导入即可使用)

urllib2官网文档：https://docs.python.org/2/library/urllib2.html

urllib2源码

urllib2在python3.x中被改为urllib.request

urlopen

我们先来段代码：

#-*- coding:utf-8 -*-
#01.urllib2_urlopen.py
#导入urllib2库
import urllib2
#向指定的url发送请求，并返回服务器的类文件对象
response = urllib2.urlopen("http://www.baidu.com")
#类文件对象支持文件对象的操作方法，如read()方法读取文件
html = response.read()
#打印字符串
print(html)

执行写好的python代码，将打印结果：

python2 01.urllib2_urlopen.py

实际上，如果我们在浏览器打上百度主页，右键选择"查看源代码"，你会发现，跟我们刚才打印出来的是一模一样的。也就是说，上面的4行代码就已经帮我们把百度的首页的全部代码爬了下来。
一个基本的url请求对应的python代码真的非常简单。

Request

查看官方文档url的用法如下：

urllib2.urlopen(url[, data[, timeout[, cafile[, capath[, cadefault[, context]]]]])
Open the URL url, which can be either a string or a Request object.

在我们第一个例子里，urlopen()的参数就是一个url地址;

但是如果需要执行更复杂的操作，比如增加http报头，则必须创建一个Request实例来作为urlopen()的参数;而需要访问的url地址则作为Request实例的参数。

#-*- coding:utf-8 -*-
#02.urllib2_request.py

import urllib2

#url作为Request()方法的参数，构造并返回一个Request对象
request = urllib2.Request("http://www.baidu.com")

#Request对象作为一个urlopen()方法的参数，发送给服务器并接收响应
response = urllib2.urlopen(request)

html = response.read()

print(html)

运行结果是完全一样的：

新建Request实例，除了必须要有url参数之外，还可以设置另外两个参数：

data(默认空)：是伴随url提交的数据(比如要post的数据)，同时HTTP请求将从"GET"方式改为"POST"方式。
headers(默认空)：是一个字典，包含了需要发送的HTTP报头的键值对。
这两个参数下面会说到。

User-Agent

但是这样直接用urllib2给一个网站发送请求的话，确实略有些唐突了，就好比，人家每家都有门，你以一个路人的身份直接闯进去显然不是很礼貌。而且有一些站点不喜欢被程序(非人为访问)访问，有可能会拒绝你的访问请求。

但是如果我们用一个合法的身份去请求别人网站，显然人家就是欢迎的，所以我们就应该给我们的这个代码加上一个身份，就是所谓的User-Agent头。

浏览器就是互联网世界公认被允许的身份，如果我们希望我们的爬虫程序更像一个真实用户，那我们第一步，就是需要伪装成一个被公认的浏览器。用不同的浏览器在发送请求的时候，会有不同的User-Agent头。urllib2默认的User-Agent头为：Python-urllib/x.y(x和y是Python主版本和次版本号，例如Python-urllib/2.7)

#-*- coding:utf-8 -*-
#03.urllib2_useragent.py

import urllib2

url = "http://www.itcast.cn"

#IE 9.0的User-Agent,包含ua-header里
ua_header = {"User-Agent":"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"}

# url连同headers,一起构造Request请求，这个请求将附带IE9.0浏览器的User-Agent
request = urllib2.Request(url, headers = ua_header)

#向服务器发送这个请求
response = urllib2.urlopen(request)

html = response.read()

print(html)

添加更多的Header信息

在HTTP Request中加入特定的Header，来构造一个完整的HTTP请求。

可以通过调用Request.add_header()添加/修改一个特定的header也可以通过调用Request.get_header()来查看已有的header。

添加一个特定的header

#-*- coding:utf-8 -*-
#04.urllib2_headers.py

import urllib2

url = "http://www.itcast.cn"

#IE 9.0的User-Agent
header = {"User-Agent":"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"}
request =urllib2.Request(url, headers = header)

#也可以通过调用Request.add_header()添加/修改一个特定的header
request.add_header("Connection","keep-alive")

#也可以通过调用Request.get_header()来查看header信息
request.get_header(header_name = "Connection")

response = urllib2.urlopen(request)
print(response.code)  #可以查看响应状态码

html = response.read()
print(html)

  随机添加/修改User-Agent

#-*- coding:utf-8 -*-
#05.urllib2_add_headers.py

import urllib2
import random

url = "http://www.itcast.cn"

ua_list = [
  "Mozilla/5.0 (Windows NT 6.1; ) Apple.... ",
  "Mozilla/5.0 (X11; CrOS i686 2268.111.0)... ",
  "Mozilla/5.0 (Macintosh; U; PPC Mac OS X.... ",
  "Mozilla/5.0 (Macintosh; Intel Mac OS... "
]

user_agent = random.choice(ua_list)

request = urllib2.Request(url)

#也可以通过调用Request.add_header()添加/修改一个特定的header
request.add_header("User-Agent", user_agent)

#第一个字母大写，后面的全部小写
request.add_header("User-agent")

response = urllib2.urlopen(req)

html = response.read()

print(html)

注意

The urllib2 module has been split across several modules in Python 3 named urllib.request and urllib.error

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

相关文章

  • 利用Python自制网页并实现一键自动生成探索性数据分析报告

    利用Python自制网页并实现一键自动生成探索性数据分析报告

    这篇文章主要介绍了利用Python自制了网页并实现一键自动生成探索性数据分析报告，文章内容具有一定的参考价值，需要的小伙伴可以参考一下
    2022-05-05
  • python支付宝支付示例详解

    python支付宝支付示例详解

    这篇文章主要为大家详细介绍了python支付宝支付示例，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2019-08-08
  • python入门之基础语法学习笔记

    python入门之基础语法学习笔记

    学习python过程中需要了解的一些基础语法特整理一下方便更开始接触python的朋友
    2020-02-02
  • python实现UDP协议下的文件传输

    python实现UDP协议下的文件传输

    这篇文章主要为大家详细介绍了python实现UDP协议下的文件传输，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2020-03-03
  • Python命名空间及作用域原理实例解析

    Python命名空间及作用域原理实例解析

    这篇文章主要介绍了Python命名空间及作用域原理实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-08-08
  • Python开发装包八种方法详解

    Python开发装包八种方法详解

    这篇文章主要为大家介绍了Python开发中装包的八种方法示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步
    2021-10-10
  • python保留小数函数的几种使用总结

    python保留小数函数的几种使用总结

    本文主要介绍了python保留小数函数的几种使用总结，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2023-02-02
  • Python数据分析之NumPy常用函数使用详解

    Python数据分析之NumPy常用函数使用详解

    本篇将介绍怎样从文件中载入数据，以及怎样使用NumPy的基本数学和统计分析函数、学习读写文件的方法，并尝试函数式编程和NumPy线性代数运算，来学习NumPy的常用函数，需要的可以参考一下
    2022-05-05
  • 对pandas的dataframe绘图并保存的实现方法

    对pandas的dataframe绘图并保存的实现方法

    下面小编就为大家带来一篇对pandas的dataframe绘图并保存的实现方法。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2017-08-08
  • 忘记ftp密码的解决方法示例

    忘记ftp密码的解决方法示例

    忘记ftp密码了怎么办？下面介绍一个使用python ftplib库的方法,大家参考使用吧
    2014-01-01

最新评论