今天研究了下urllib2这个库的使用,才发现以前有很多不明白的东西,现在写下来也做个记录
最基础的应用 1
2
3
import urllib2
url = r 'http://www.baidu.com'
html = urllib2 . urlopen ( url ) . read ()
客户端与服务器端通过request与response来沟通,客户端先向服务端发送request,然后接收服务端返回的response
urllib2提供了request的类,可以让用户在发送请求前先构造一个request的对象,然后通过urllib2.urlopen方法来发送请求
1
2
3
4
import urllib2
url = r 'http://www.baidu.com'
req = urllib2 . Request ( url )
html = urllib2 . urlopen ( req ) . read ()
上例中先使用req = urllib2.Request(url)实例化一个resquest对象,接下来使用urllib2.urlopen(req)来打开这个网页
我们注意到在实例化Request对象的时候,队了url是必须的,还有几个默认的参数
attars
基中data与header也是使用的比较多的,一些需要登录的才能浏览的网站经常需要这两个参数
1
2
3
4
5
6
7
8
9
import urllib
import urllib2
url = 'http://www.baidu.com/'
values = { 'name' : 'Michael Foord' , 'location' : 'Northampton' , 'language' : 'Python' }
data = urllib . urlencode ( values )
req = urllib2 . Request ( url , data )
response = urllib2 . urlopen ( req )
the_page = response . read ()
这个例子是向百度发送几个数据,这个例子是会返回一个错误页面,很正常,因为我们在访问百度的时候并不需要post什么信息,post了倒是会出错
百度是找不到相应的网页就会报错。
当然这个是POST数据,也可以用在GET方法,稍将上面的代码进行改造
百度是通过http://www.baidu.com/s?wd=XXX 来进行查询的,这样我们需要将{‘wd’:’xxx’}这个字典进行urlencode
1
2
3
4
5
6
7
8
9
10
11
#coding:utf-8
import urllib
import urllib2
url = 'http://www.baidu.com/s'
values = { 'wd' : '杨彦星' }
data = urllib . urlencode ( values )
print data
url2 = url + '?' + data
response = urllib2 . urlopen ( url2 )
the_page = response . read ()
以下以模拟登录人人网然后再显示首页内容为例来详细说明一下cookie的使用,以下是文档中给的例子,我们就通过改造这个例子来实现我们想要的功能
1
2
3
4
import cookielib , urllib2
cj = cookielib . CookieJar ()
opener = urllib2 . build_opener ( urllib2 . HTTPCookieProcessor ( cj ))
r = opener . open ( "http://example.com/" )
1
2
3
4
5
6
7
8
9
10
11
12
#coding:utf-8
import urllib2 , urllib
import cookielib
url = r 'http://www.renren.com/ajaxLogin'
#创建一个cj的cookie的容器
cj = cookielib . CookieJar ()
opener = urllib2 . build_opener ( urllib2 . HTTPCookieProcessor ( cj ))
#将要POST出去的数据进行编码
data = urllib . urlencode ({ "email" : email , "password" : pass })
r = opener . open ( url , data )
当你看到有cj的时候,说明你已经访问了登录页面,是否正常登录你现在还看不出来,可以通过访问http://www.renren.com/home 来查看
上面的代码有两点要说明,我也是看了很长时间才明白
r = opener.open(url,data) 这句,为什么要使用opener这个对象来open,而不是用utllib2,urlopen?不光是例子里这么写,我们才这么写,通过改造我们也可以使用urllib2.urlopen,其实是因为opener是urllib2.bulid_opener创造出来的, 但是你可以这样理解,他build出来后,自已却并没有安装使用它,也没有它的属性与方法,如果想使urllib2也具有opener的属性与方法,可以先使用urllib2.install_opener(opener)来"安装"这个opener,安装完以后就可以使用urllib2来操作了
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#coding:utf-8
import urllib2 , urllib
import cookielib
url = r 'http://www.renren.com/ajaxLogin'
#创建一个cj的cookie的容器
cj = cookielib . CookieJar ()
opener = urllib2 . build_opener ( urllib2 . HTTPCookieProcessor ( cj ))
urllib2 . install_opener ( opener )
#将要POST出去的数据进行编码
data = urllib . urlencode ({ "email" : email , "password" : pass })
#r = opener.open(url,data)如果没有上面的urllib2.install_opener方法,就必须这样写了
r = urllib2 . urlopen ( url , data )
html = urllib2 . urlopen ( 'http://www.renren.com/home' ) . read ()
同样urllib2还有proxy相关的handle,基本的思路和这个差不多