Python3学习笔记之-常用内建模块（urllib）

是小先生

于 2021-09-06 08:33:56 发布

阅读量105

点赞数

分类专栏： python学习笔记文章标签： python

本文链接：https://blog.csdn.net/weixin_45895096/article/details/119877075

版权

python学习笔记专栏收录该内容

33 篇文章 1 订阅

订阅专栏

Python3学习笔记之-常用内建模块（urllib）

前言

urllib提供了一系列用于操作URL的功能。对我们使用python进行爬虫有很大帮助：

urllib库功能：向服务器发送请求，得到服务器响应，获取网页的内容。

一、Get

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

假如直接抓取我博客主页的url：

可以看到HTTP响应的头和JSON数据。

如果我们要想模拟浏览器发送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。例如我们模拟苹果手机去访问csdn的主页，尽管我用的windows，但是我们可以通过request来进行模拟访问：

这时候csdn会给我们返回页面内容：

二、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。

我们模拟一个微博的登录，先读取登录的邮箱和口令，然后按照微博登录页的格式以username=xxx&password=xxx的编码登录传入：

from urllib import request, parse

print('Login to weibo.cn...')
email = input('Email: ')
passwd = input('Password: ')
login_data = parse.urlencode([
    ('username', email),
    ('password', passwd),
    ('entry', 'mweibo'),
    ('client_id', ''),
    ('savestate', '1'),
    ('ec', ''),
    ('pagerefer', 'https://passport.weibo.cn/signin/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 in f.getheaders():
        print('%s: %s' % (k, v))
    print('Data:', f.read().decode('utf-8'))

如果登录成功，我们获得的响应如下：

Status: 200 OK
Server: nginx/1.2.0
...
Set-Cookie: SSOLoginState=1432620126; path=/; domain=weibo.cn
...
Data: {"retcode":20000000,"msg":"","data":{...,"uid":"1658384301"}}

如果登录失败，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","errline":536}}

三、Handler

如果还需要更复杂的控制，比如通过一个Proxy(代理)去访问网站，我们需要利用ProxyHandler来处理，示例代码如下

import urllib.request
proxy_handler = urllib.request.ProxyHandler({'http': 'http://www.example.com:3128/'})
proxy_auth_handler = urllib.request.ProxyBasicAuthHandler()
proxy_auth_handler.add_password('realm', 'host', 'username', 'password')
opener = urllib.request.build_opener(proxy_handler, proxy_auth_handler)
with opener.open('http://www.example.com/login.html') as f:
    pass

不过代理网站大多数要收费哦，也肯不安全等等。