3.高级用法
对于如Cookies处理、代理设置等,我们就需要更强大的工具如Handler。
先介绍urrllib.request模块里的BaseHandler类,它是其他Handler的父亲,它提供了最基本的方法,如default_open()、protocol_request等。
接着,各种Handler子类继承这个BaseHandler类:
HTTPDefaultErrorHandler:用于处理HTTP响应错误,错误都会抛出HTTPError类型的异常。
HTTPRedirectHandler:用于处理重定向。
HTTPCookieProcessor:用于处理Cookies。
PorxyHandler:用于设置代理,默认代理为空。
HTTPPasswordMgr:用于管理密码,它维护了用户名和密码的表。
HTTPBasicAuthHandler:用于管理认证,如果一个链接打开时需要认证,那么可以用它来解决认证问题。
另一个比较重要的类是OpenerDirector,称之为Opener。我们之前用过urlopen()这个方法,实际上它就是urllib为我们提供的一个Opener。
Opener能深入一层进行配置,使用更底层的实例来完成操作。
我们可以利用Handler来构建Opener,Opener可以使用open()方法,返回类型和urlopen()如出一辙。
下面来看看它们的用法。
验证
当我们请求像需要输入用户名和密码的网站时,需要借助HTTPBasicAuthHandler完成,相关代码如下:
from urllib.request import HTTPPasswordMgrWithDefaultRealm, HTTPBasicAuthHandler, build_opener
from urllib.error import URLError
username = 'username'
password = 'password'
url = 'http://llocalhost:5000/'
p = HTTPPasswordMgrWithDefaultRealm()
p.add_password(None, url, username, password)
auth_handler = HTTPBasicAuthHandler(p)
opener = build_opener(auth_handler)
try:
result = opener.open(url)
html = result.read().decode('utf-8')
print(html)
except URLError as e:
print(e.reason)
(但运行这个代码时,会报错:
)
这里首先实例化HTTPBasicAuthHandler对象,其参数是HTTPPasswordMgrWithDefaultRealm对象,它利用add_password()添加进去用户名和密码,这样就建立了一个处理验证的Handler。
接下来用这个Handler并使用build_opener()方法构建一个Opener,这个Opener在发送请求时就相当于已经验证成功了。
接下来利用Opener的open()方法打开链接。就可以完成验证了。
代理
在做爬虫时免不了要用到代理,如果要添加代理。可以这么做:
from urllib.error import URLError
from urllib.request import ProxyHandler,build_opener
proxy_handler=ProxyHandler({
'http':'http://127.0.0.1:9732',
'https':'https://127.0.0.1:9743'
})
opener=build_opener(proxy_handler)
try:
response=opener.open('https://www,baidu.com')
print(response.read().decode('utf-8'))
except URLError as e:
print(e.reason)
也报错了...
这里我们在本地搭建了一个代理,它运行了9743端口上。
这里使用了ProxyHandler,其参数是一个字典,键名是协议类型(如HTTP或HTTPS等),键值是代理链接,可以添加多个代理。
然后,利用这个Handler及build_opener()方法构建一个Opener,之后发送请求即可。
Cookies
Cookies的处理就需要相关的Handler了。
先用实例来看看怎样将网站的Cookies获取下来,相关代码如下:
import http.cookiejar,urllib.request
cookies =http.cookiejar.CookieJar()
handler=urllib.request.HTTPCookieProcessor(cookies)
opener=urllib.request.build_opener(handler)
response=opener.open('http://www.baidu.com')
for item in cookies:
print(item.name+"="+item.value)
首先,我们必须声明一个CookieJar对象。接下来。就需要利用HTTPCookieProcessor来构建一个Handler,最后利用build_opener()方法构建出Opener,执行open()即可。
可以看到这里输出了,每条Cookie的名称和值。
也能输出成文本文件格式:
filename='cookies.txt'
cookie=http.cookiejar.MozillaCookieJar(filename)
handler=urllib.request.HTTPCookieProcessor(cookie)
opener=urllib.request.build_opener(handler)
response=opener.open('http://www.baidu.com')
cookie.save(ignore_discard=True, ignore_expires=True)
这时CookieJar就需要换成MozillaCookieJar,它在生成文件时会用到,是CookieJar的子类,可用来处理Cookies和文件相关事件,比如读取和保存Cookies,可以将Cookies保存成Mozilla型浏览器的Cookies格式。
另外,LWPCookieJar同样可以读取和保存Cookies,但是保存格式和MozillaCookieJar不一样,它会保存成libwww-perl(LWP)格式的Cookies文件。
要保存成LWP格式的Cookies文件,可以在声明时就改为:
cookie=http.cookiejar.LWPCookieJar(filename)
生成了Cookies文件后如何读取并利用?
下面我们以LWPCookieJar格式为例来看:
import urllib.request
cookie=http.cookies.LWPCookieJar()
cookie.load('cookies.txt',ignore_discard=True,ignore_expires=True)
handler=urllib.request.HTTPCookieProcessor(cookies)
opener=urllib.request.build_opener(handler)
response=opener.open('http://www.baidu.com')
print(response.read().decode('utf-8'))
可以看到,这里调用load()方法来读取本地的Cookies文件,获取了Cookies的内容。不过前提是我们首先生成了LWPCookieJar格式的Cookies,并保存成文件,如何读取Cookies之后使用同样的方法构建Handler和Opener即可完成操作。