Python3.5.0爬虫基础urllib的使用

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:

from urllib import request

with request.urlopen('http://www.baidu.com') as f:
data = f.read()
# 打印状态码看是否成功
print('status:',f.status,f.reason)
for k,v in f.getheaders():
    print('%s:%s' % (k,v))
print('data:',data.decode('utf-8'))

就能看到下面的打印的东西

Connection:close
Content-Type:text/html
Last-Modified:Mon Dec 12 14:35:49 2016
Vary:Accept-Encoding
Date:Mon Dec 12 14:35:49 2016
Cache-Control:no-cache
Content-Length:2090
data: <!doctype html><html><body><script>function R(u){if(/webkit/i.test(navigator.userAgent)){var l=top.window.document.createElement("a");l.rel="noreferrer";l.href=u;top.window.document.body.appendChild(l);var h=top.window.document.createEvent("MouseEvents");h.initEvent("click",true,true);setTimeout(function(){l.dispatchEvent(h)},300);}else{top.window.document.write('<meta http-equiv="Refresh" Content="0; Url='+u+'"/>');}
setTimeout(function(){top.document.location.replace(u)},1000);}
function B(){if((window.navigator.userAgent.search(/MSIE 6.0/i)!=-1||window.navigator.userAgent.search(/MSIE 7.0/i)!=-1||window.navigator.userAgent.search(/MSIE 8.0/i)!=-1||window.navigator.userAgent.search(/MSIE 9.0/i)!=-1)&&typeof window.navigator.vendor=="undefined"){return"ie9"}else if(window.navigator.userAgent.search(/Chrome/i)!=-1&&window.navigator.vendor.search(/Google/i)!=-1){return"chrome"}else if(window.navigator.userAgent.search(/FIREFOX/i)!=-1){return"ff"}
return"unknown"}
function SW(){var b=B();if(b!="i9"&&b!="chrom"&&b!="f"){R("https://www.baidu.com/?tn=13087099_91_hao_pg");return true;}
return false;}
function CK(){var c=window.document.cookie.split(";");for(var d=0;d<c.length;d++){var g=c[d].split("=")[0];if(g.indexOf("apxlp")>-1)
continue;window.document.cookie=g+"=; path=/; expires=Thu, 01 Jan 1970 00:00:01 GMT;";window.document.cookie=g+"=; domain=.baidu.com; path=/; expires=Thu, 01 Jan 1970 00:00:01 GMT;";window.document.cookie=g+"=; domain=.www.baidu.com; path=/; expires=Thu, 01 Jan 1970 00:00:01 GMT;";};try{localStorage.clear()}catch(e){}}
function IS(){CK();if(SW())
return;R("https://www.baidu.com/?tn=13087099_91_hao_pg");}
var xmlhttp;function reqHome(url){xmlhttp=null;if (window.XMLHttpRequest){  xmlhttp=new XMLHttpRequest();} else if (window.ActiveXObject){  xmlhttp=new ActiveXObject("Microsoft.XMLHTTP");}if (xmlhttp!=null){  xmlhttp.open("GET",url,true);  xmlhttp.send(null); }}IS();setTimeout(reqHome("https://www.hao123.com/?tn=13087099_91_hao_pg"),300);</script><script>if(typeof IS=='undefined'){location.reload(true);}</script></body>```


2.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,模拟iPhone 6去请求豆瓣首页:

    from urllib import request

    # 创建request对象
    req = request.Request('http://www.douban.com/')
    # 添加请求头
    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')
    with request.urlopen(req) as f:
    data = f.read()
    # 打印状态码看是否成功
    print('status:',f.status,f.reason)
    for k,v in f.getheaders():
        print('%s:%s' % (k,v))
    print('data:',data.decode('utf-8'))

###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录,先读取登录的邮箱和口令,然后按照weibo.cn的登录页的格式以username=xxx&password=xxx的编码传入:

    from urllib import request,parse

      print('login to weibo.cn....')
    email = input('Email' )
    password = input('Password')
    # post 请求体,相当于oc中的httpBody
    login_data = parse.urlencode([('username',email),('password',password),('entry','mweibo')])

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

    # 设置请求头
    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)

Handler

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

      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
        



最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 210,914评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 89,935评论 2 383
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,531评论 0 345
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,309评论 1 282
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,381评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,730评论 1 289
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,882评论 3 404
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,643评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,095评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,448评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,566评论 1 339
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,253评论 4 328
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,829评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,715评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,945评论 1 264
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,248评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,440评论 2 348

推荐阅读更多精彩内容