python中urllib_Python中的urllib

urllib提供了一系列URL的功能。

Get

urllib的request模块可以非常方便的抓取URL内容，也就是发送一个GET请求到指定的页面，然后返回HTTP响应：

例如，对豆瓣的一个URLhttps://opi.douban.com/v2/book/2129650进行抓取，并返回响应：

from urllib importrequest

with request.urlopen('https://api.douban.com/v2/book/2129650') as f:

data=f.read()print('Status:',f.status, f.reason)for k, v inf.getheader():print('%s: %s' %(k, v))print('Data:', data.decode('utf-8'))

可以看到HTTP响应的头和JSON数据：

Stutas：200OK

Server: nginx

Date: Tue,26 May 2015 10:02:27GMT

Content-Type:application/json, charset=utf-8Content-Length: 2049Connection: close

Expires: Sun,1 Jan 2006 01:00:00GMT

Pragma: no-cache

Cache-Contorl: must-revalidate, no-cache, private

X-DAE-Node: pidll

Data:{"rating": {"max": 10, "numRaters": 16,"average":"7.4","min":0}, "subititle":"","author":["编著"]}，“pubdate”：“2007-6，...”

如果我们想要模仿浏览器发送GET请求，就需要使用Request对象，通过往Request对象添加HTTP头，我们就可以把请求伪装成浏览器。例如，模拟iPone 6 去请求豆瓣首页：

from urllib importrequest

req= request.Request("http://www.douban.com/")

req.add_header('User-Agent', 'Moailla/6.0 (iPone OS 8_0 like Mac OS X) AppleWebKit/536.26(KHTML, like Gecko) Version/8.0 Mobile/10A5376e Safari/8536.25')

with request.urlopen(req) as f:print('Status:', f.status, f.reason)for k, v inf.getheaders():print('%s: %s' %(k, v))print('Data:', f.read().decode('utf-8'))

这样豆瓣返回适合iPone的移动网页：

...

...

Post

如果要以POST发送一个请求，只需要把参数data以bytes形式传入。

我们模拟一个微博登陆，先读取登陆的邮箱和口令，然后按照weibo.cn的登陆页的格式以username=xxx&password=xxx的编码传入：

from urllib importrequest, parseprint('Login to webo.cn...')

email= input('Email:')

passwd= input("Passwod:")

login_data=parse.urlencode([

('username',email),

('password', passwd),

('entry', 'mweibo'),

('client_id', ''),

('savestate', '1'),

('ec', ''),

('pagerefer', 'https://passport.weibo.cn/sigin/welcome?entry=mweibo&r=http%3A%2F%2FM.weibo.cn%2F')])

req= request.Request('https://passport.weibo.cn/sso/login')

req.add_header('Origin', 'https://passport.weibo.cn')

req.add_header('User-Agent', 'Mozilla/6.0 (iPhone; CPU iPhone OS 8_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) Version/8.0 Mobile/10A5376e Safari/8536.25')

req.add_header('Referer', 'https://passport.weibo.cn/signin/login?entry=mweibo&res=wel&wm=3349&r=http%3A%2F%2Fm.weibo.cn%2F')

with request.urlopen(req, data=login_data.encode('utf-8')) as f:print('Status:', f.status, f.reason)for k, v inf.getheaders():print('%s: %s' %(k, v))print('Data:', f.read().decode('utf-8'))

如果登陆成功，我们获得的响应如下：

Status: 200OK

Server: nginx/1.2.0

...

set-Cookie: SSOLoginState= 1432620126; path=/;domain =weibo.cn

...

Data:{"retcode": 20000000, 'msg':'data':{...,"uid":"1658384301"}}

如果登陆失败，我们获得的响应如下;

...

Data: {"retcode": 50011015,"msg":"\u7528\u6237\u540d\u6216\u5bc6\u7801\u9519\u8bef","data":{"username":"example@python.org","errine": 536}}

小结

urllib提供的功能就是利用程序去执行各种HTTP请求。吐过要模拟浏览器完成特定功能，需要吧请求伪装成浏览器。伪装的方法是先监控浏览器发出的请求，在根据浏览器的请求头来伪装，User-Agent 头就是用来via哦是浏览器的。