python爬虫(六)_urllib2：handle处理器和自定义opener

python 筱水花

于 2023-08-04 06:45:00 发布

阅读量1k

点赞数 1

文章标签： python 爬虫开发语言学习

本文链接：https://blog.csdn.net/javasdn/article/details/132087425

版权

本文围绕Python爬虫展开，介绍了handler处理器和自定义opener，包括ProxyHandler代理设置、HTTPPasswordMgrWithDefaultRealm密码管理等。还阐述了Cookie原理与应用，以及cookielib库和HTTPCookieProcessor处理器的使用。最后提供了Python学习资料，如学习路线、视频和练手项目。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文将介绍handler处理器和自定义opener，更多内容请参考:python学习指南

opener和handleer

我们之前一直使用的是urllib2.urlopen(url)这种形式来打开网页，它是一个特殊的opener(也就是模块帮我们建好的)，opener是urllib2.OpenerDirectory的实例。
但是基本的urlopen()方法不支持代理、cookie等其他的HTTP/HTTPS高级功能。所以要支持这些功能：
- 使用相关的Handler处理器来创建特定功能的处理器对象；
- 然后通过urllib2.build_opener()方法来使用这些处理器对象，创建自定义opener对象；
- 使用自定义的opener对象，调用open()方法来发送请求。
如果程序里所有的请求都使用自定义的opener对象，可以使用urllib2.install_opener()将自定义的opener对象定义为全局opener，表示如果之后凡是调用urlopen，都将使用这个opener(根据自己的需求来选择)

简单的自定义opener()

#-*- coding:utf-8 -*-
#12.urllib2_opener.py

import urllib2

#构建一个HTTPHandler处理器
http_handler = urllib2.HTTPHandler();

#调用urllib2.build_opener()方法，创建支持处理HTTP请求的opener
opener = urllib2.build_opener(http_handler)

#构建Request请求
request = urllib2.Request("http://www.baidu.com")

#调用自定义的opener对象的open()方法，发送request请求
response = opener.open(request)

#获取服务器响应内容
print(response.read())

这种方式发送请求得到的结果，和使用urllib2.urlopen()发送HTTP/HTTPS请求得到的结果是一样的。

如果在HTTPHandler()括号里面增加debuglevel=1参数，还会将Debug Log打开，这样程序在执行的时候，会把收包和发包的报头在屏幕上自动打印出来，方便调试，有时可以省去抓包的工作。

#仅需要修改的代码部分：
# 构建一个HTTPHandler 处理器对象，支持处理HTTP请求，同时开启Debug Log，debuglevel 值默认 0
http_handler = urllib2.HTTPHandler(debuglevel=1)

ProxyHandler处理器(代理设置)

使用代理IP，这是爬虫/反爬虫的第二大招，通常也是最好用的。

很多网站会检测某一段时间某个IP的访问次数(通过流量统计，系统日志等)，如果访问字数多的不像正常人，它会禁止这个IP的访问。

所以我们可以设置一些代理服务器，每隔一段时间换一个代理，就算IP被禁止，依然可以换个IP继续爬取。

urllib2中通过ProxyHandler来设置使用代理服务器，下面代码说明如何使用自定义opener来使用代理：

#-*- coding:utf-8 -*-
#urllib2_proxyhandler.py


import urllib2

#构建了两个代理Handler,一个有代理IP,一个没有代理IP
httpproxy_handler = urllib2.ProxyHandler({
   "http":"120.76.55.49:8088"})
nullproxy_handler = urllib2.ProxyHandler({
   })

proxyswitch = True   #定义一个代理开关


#通过urllib2.build_opener()方法使用这些代理Handler对象，创建自定义opener

if proxyswitch:
    opener = urllib2.build_opener(httpproxy_handler)
else:
    opener = urllib2.build_opener(nullproxy_handler)

request = urllib2.Request("http://www.baidu.com/")

#1.如果这么写，只有使用opener.open()方法发送请才使用自定义的代理，而urlopen()使用自定义代理
response = opener.open(request)

#2.如果这么写，就是opener应用到全局，之后所有的，不管是opener.open()还是urlopen()发送请求，都将使用自定义代理
# urllib2.install_opener(opener)
# response = urllib2.urlopen(request)

print(response.read())