mechanize介绍
mechanize是对urllib2的部分功能的替换,能够更好的模拟浏览器行为,在Web访问控制方面做得更全面。
它对protocol, cookie, redirection都做了比较好的支持,再结合beautifulsoup和re模块,
可以非常有效的解析web页面。
常用函数
.CookieJar():设置cookie
.Browser():打开浏览器
.addheaders():User-Agent,用来欺骗服务器的
.open():打开网页,按照官网描述可以打开任意网页,不仅限于http
.select_form():选择表单的,选择表单的ID的时候需要注意。
.form[]:填写信息
.submit():提交
1.初始化并建立一个浏览器对象
如果没有mechanize需要easy_install安装,以下代码建立浏览器对象并作了一些初始化设置,实际使用过程可以按需开关。
其实只用默认的设置也可以完成基本任务。
import mechanize
br = mechanize.Browser() # 创建一个浏览器实例
br.set_handle_equiv(True) # 设置是否处理HTML http-equiv标头
br.set_handle_redirect(True) # 设置是否处理重定向
br.set_handle_referer(True) # 设置是否向每个请求添加referer头
br.set_handle_robots(False) # 设置是否遵守robots中的规则
br.set_handle_gzip(True) # 设置是否处理giz传输编码
br.addheaders = [...
] # 设置浏览器的头部信息
br.set_handle_refresh(mechanize._http.HTTPRefreshProcessor(), max_time=1)
#debugging?
br.set_debug_http(True)
br.set_debug_redirects(True)
br.set_debug_responses(True)
![](https://img-blog.csdn.net/20180308164346969?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvc295YWJlYW41NTU5OTk=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70)
![](https://img-blog.csdn.net/20180308180556260)
2.模拟浏览器行为
浏览器对象建立并初始化完毕之后即可使用了,下面给出几个例子(代码承接以上部分)
获取web网页
分行打印可以逐个查看详细信息,就不赘述
- r = br.open(sys.argv[1])
- html = r.read()
- print html
- print br.response().read()
- print br.title()
- print r.info()
模拟谷歌和百度查询
打印和选择forms,然后填写相应键值,通过post提交完成操作
- for f in br.forms():
- print f
- br.select_form(nr=0)
- br.form['q'] = 'football'
- br.submit()
- print br.response().read()
百度查询football
- br.form['wd'] = 'football'
- br.submit()
- print br.response().read()
相应键值名,可以通过打印查出
回退(Back)---浏览器历史
非常简单的操作,打印url即可验证是否回退
- # Back
- br.back()
- print br.geturl()
3.http基本认证
- br.add_password('http://xxx.com', 'username', 'password')
- br.open('http://xxx.com')
4.form认证
以登陆人人网为例,打印forms可以查出用户名和密码键信息
- br.select_form(nr = 0)
- br['email'] = username
- br['password'] = password
- resp = self.br.submit()
5.cookie支持
通过导入cookielib模块,并设置浏览器cookie,可以在需要认证的网络行为之后不用重复认证登陆。通过保存session cookie即可重新访问,Cookie Jar完成了该功能。
- #!/usr/bin/env python
- import mechanize, cookielib
- br = mechanize.Browser()
- cj = cookielib.LWPCookieJar()
- br.set_cookiejar()
6.proxy设置
设置http代理
- #Proxy
- br.set_proxies({"http":"proxy.com:8888"})
- br.add_proxy_password("username", "password")
- #Proxy and usrer/password
- br.set_proxies({"http":"username:password@proxy.com:8888"})
7.下载
# Download
f = br.retrieve('http://www.google.com.br/intl/pt-BR_br/images/logo.gif')[0]
print f
fh = open(f)
8.简单的打开网页
import urllib2
print urllib2.urlopen('http://stockrt.github.com').read()
# With password?
import urllib
opener = urllib.FancyURLopener()
print opener.open('http://user:password@stockrt.github.com').read()
http://blog.csdn.net/zhaodedong/article/details/46432921
http://www.jb51.net/article/65518.htm