urllib2的使用

urllib2简介
urllib2提供一个基础函数urlopen，通过向指定的URL发出请求来获取数据。最简单的形式就是

1. import urllib2
2. response=urllib2.urlopen('http://www.douban.com')
3. html=response.read()

这个过程就是我们平时刷网页的代码表现形式，它基于请求-响应模型。

1. response=urllib2.urlopen('http://www.douban.com')

实际上可以看作两个步骤:
我们指定一个域名并发送请求
1.

1. request=urllib2.request('http://www.douban.com')

接着服务端响应来自客户端的请求
2.

1. response=urllib2.urlopen(request)

也许你会注意到，我们平时除了刷网页的操作，还有向网页提交数据。这种提交数据的行为，urllib2会把它翻译为:

1. import urllib
2. import urllib2
3. url = 'http://www.douban.com'
4. info = {'name' : 'Michael Foord',
5.           'location' : 'Northampton'}
6. data = urllib.urlencode(info)  #info 需要被编码为urllib2能理解的格式，这里用到的是urllib
7. req = urllib2.Request(url, data)
8. response = urllib2.urlopen(req)
9. the_page = response.read()

有时你会碰到，程序也对，但是服务器拒绝你的访问。这是为什么呢?问题出在请求中的头信息(header)。
有的服务端有洁癖，不喜欢程序来触摸它。这个时候你需要将你的程序伪装成浏览器来发出请求。请求的方式就包含在header中。
常见的情形:

1. import urllib
2. import urllib2
3. 
   
4. url = 'http://www.someserver.com/cgi-bin/register.cgi'
5. user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'# 将user_agent写入头信息
6. values = {'name' : 'Michael Foord',
7.           'location' : 'Northampton',
8.           'language' : 'Python' }
9. headers = { 'User-Agent' : user_agent }
10. 
    
11. data = urllib.urlencode(values)
12. req = urllib2.Request(url, data, headers)
13. response = urllib2.urlopen(req)
14. the_page = response.read()