1望薄，概述

opener是 urllib.request.OpenerDirector 的實例，我們之前一直都在使用的urlopen泊窘，它是一個特殊的opener（也就是模塊幫我們構(gòu)建好的）疾嗅。

但是基本的urlopen()方法不支持代理珠十、Cookie等其他的 HTTP/HTTPS高級功能。所以要支持這些功能：

• 1,使用相關(guān)的 Handler處理器 來創(chuàng)建特定功能的處理器對象荠诬；

• 2,然后通過 urllib.request.build_opener()方法使用這些處理器對象琅翻，創(chuàng)建自定義opener對象；

• 3,使用自定義的opener對象柑贞，調(diào)用open()方法發(fā)送請求方椎。

• 4,注意：如果程序里所有的請求都使用自定義的opener，可以使用urllib.request.install_opener() 將自定義的 opener 對象 定義為 全局opener凌外，表示如果之后凡是調(diào)用urlopen辩尊，都將使用這個opener（根據(jù)自己的需求來選擇）。

2,簡單的自定義opener()案例

from urllib import request

def loadPage():
    # 1. 創(chuàng)建指定功能的handler處理器對象,也可以是HTTPSHandler
    # 指定debuglevel = 1參數(shù)康辑，還會將Debug_Log打開摄欲，
    # 這樣程序在執(zhí)行的時候，會把收包和發(fā)包的報頭在屏幕上自動打印出來疮薇，方便調(diào)試胸墙，有時可以省去抓包的工作。
    http_handler = request.HTTPHandler(debuglevel=1)

    # 2. 使用處理器對象按咒，返回自定義opener對象迟隅，這個opener發(fā)送請求時就具有opener的功能
    opener = request.build_opener(http_handler)

    # 3. 使用opener.open() 發(fā)送請求
    response = opener.open("http://www.baidu.com/")

    return response.read()


if __name__ == "__main__":
    html = loadPage()
    print(html)

3，ProxyHandler處理器（代理設(shè)置）

使用代理IP，這是爬蟲/反爬蟲的第二大招智袭，通常也是最好用的奔缠。

很多網(wǎng)站會檢測某一段時間某個IP的訪問次數(shù)(通過流量統(tǒng)計，系統(tǒng)日志等)吼野，如果訪問次數(shù)多的不像正常人校哎，它會禁止這個IP的訪問。

所以我們可以設(shè)置一些代理服務(wù)器瞳步，每隔一段時間換一個代理闷哆，就算IP被禁止，依然可以換個IP繼續(xù)爬取单起。

urllib2中通過ProxyHandler來設(shè)置使用代理服務(wù)器抱怔。

匿名度：通常情況下，使用免費代理是可以看到真實IP的嘀倒，所以也叫透明代理屈留。透明代理的請求報頭有X-Forwarded-For部分，值是原始客戶端的 IP括儒。

所以绕沈，專業(yè)爬蟲工程師或爬蟲公司會使用高品質(zhì)的私密代理，這些代理通常需要找專門的代理供應(yīng)商購買帮寻，再通過用戶名/密碼授權(quán)使用乍狐。

import os
from urllib import request


def loadPage():
    # 獲取指定環(huán)境變量的值
    # 代理用戶名
    proxy_user = os.environ.get('proxy_user')
    print(proxy_user)
    # 代理密碼
    proxy_password = os.environ.get("proxy_password")
    print(proxy_password)
    # 代理服務(wù)器IP
    proxy_server = os.environ.get("proxy_server")

    # 請求報頭
    headers = {"User-Agent": "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Trident/5.0)"}

    # 1. 免費代理，直接使用,但是不穩(wěn)定固逗，可能用不了
    # proxy = {"http" : "121.232.147.178:9000"}

    # 2. 私密代理浅蚪，需要配置用戶名和密碼，有兩種配置方式如下：
    # proxy = {"http": "197681237:jed7abcgtpc@122.124.189.110:16516"}
    # 在ubuntu環(huán)境變量中配置
    # 配置路徑：用戶變量：~/.bashrc
    proxy = {"http": proxy_user + ":" + proxy_password + "@" + proxy_server}

    # 可以處理代理的handler處理器烫罩，參數(shù)是字典類型
    proxy_handler = request.ProxyHandler(proxy)

    # 構(gòu)建自定義opener對象惜傲，可以處理代理
    opener = request.build_opener(proxy_handler)

    # 構(gòu)建Request請求
    req = request.Request("http://www.baidu.com/", headers=headers)

    # 使用自定義opener發(fā)送請求，同時附加代理處理
    response = opener.open(req)

    print(response.read())


if __name__ == "__main__":
    loadPage()

4贝攒，HTTPPasswordMgrWithDefaultRealm()不建議使用盗誊，推薦使用ProxyHandler（）

HTTPPasswordMgrWithDefaultRealm()類將創(chuàng)建一個密碼管理對象，用來保存 HTTP 請求相關(guān)的用戶名和密碼隘弊，主要應(yīng)用兩個場景：

驗證代理授權(quán)的用戶名和密碼 (ProxyBasicAuthHandler())
驗證Web客戶端的的用戶名和密碼 (HTTPBasicAuthHandler())

• ProxyBasicAuthHandler(代理授權(quán)驗證)
  如果我們使用之前的代碼來使用私密代理哈踱，會報 HTTP 407 錯誤，表示代理沒有通過身份驗證：
  HTTP Error 407: Proxy Authentication Required

• HTTPBasicAuthHandler處理器（Web客戶端授權(quán)驗證）
  有些Web服務(wù)器（包括HTTP/FTP等）的有些頁面并不想提供公共訪問權(quán)限梨熙，或者某些頁面不希望公開开镣，但是可以讓特定的客戶端訪問。那么用戶在訪問時會要求進行身份認(rèn)證咽扇。
  爬蟲直接訪問會報HTTP 401 錯誤邪财，表示訪問身份未經(jīng)授權(quán)：
  HTTP Error 401: Unauthorized

from urllib import request

# 用戶名
user = "test"
# 密碼
passwd = "123456"
# Web服務(wù)器 IP
webserver = "http://192.168.105.29"

# 1. 構(gòu)建一個密碼管理對象陕壹，用來保存需要處理的用戶名和密碼
passwdmgr = request.HTTPPasswordMgrWithDefaultRealm()

# 2. 添加賬戶信息，第一個參數(shù)realm是與遠程服務(wù)器相關(guān)的域信息树埠，一般沒人管它都是寫None糠馆，后面三個參數(shù)分別是 Web服務(wù)器、用戶名弥奸、密碼
passwdmgr.add_password(None, webserver, user, passwd)

# 3. 構(gòu)建一個HTTP基礎(chǔ)用戶名/密碼驗證的HTTPBasicAuthHandler處理器對象榨惠，參數(shù)是創(chuàng)建的密碼管理對象
httpauth_handler = request.HTTPBasicAuthHandler(passwdmgr)

# 4. 通過 build_opener()方法使用這些代理Handler對象，創(chuàng)建自定義opener對象盛霎，參數(shù)包括構(gòu)建的 proxy_handler
opener = request.build_opener(httpauth_handler)

# 5. 可以選擇通過install_opener()方法定義opener為全局opener
request.install_opener(opener)

# 6. 構(gòu)建 Request對象
req = request.Request("http://192.168.105.29")

# 7. 定義opener為全局opener后，可直接使用urlopen()發(fā)送請求
response = request.urlopen(req)

# 8. 打印響應(yīng)內(nèi)容
print(response.read())

5耽装，Cookie

1愤炸，cookie概述

HTTP是無狀態(tài)的面向連接的協(xié)議，服務(wù)器和客戶端的交互僅限于請求/響應(yīng)過程掉奄，結(jié)束之后便斷開规个，在下一次請求時，服務(wù)器會認(rèn)為新的客戶端姓建。為了維護他們之間的鏈接诞仓，讓服務(wù)器知道這是之前某個用戶發(fā)送的請求，則必須在一個地方保存客戶端的信息速兔。

Cookie：通過在 客戶端 記錄的信息確定用戶的身份墅拭。

Session：通過在 服務(wù)器端 記錄的信息確定用戶的身份。

Cookie 是指某些網(wǎng)站服務(wù)器為了辨別用戶身份和進行Session跟蹤涣狗，而儲存在用戶瀏覽器上的文本文件谍婉，Cookie可以保持登錄信息到用戶下次與服務(wù)器的會話。

2镀钓，cookielib庫 和 HTTPCookieProcessor處理器

在Python處理Cookie穗熬，一般是通過cookielib模塊和 urllib.request模塊的HTTPCookieProcessor處理器類一起使用。

• cookielib模塊：主要作用是提供用于存儲cookie的對象

• HTTPCookieProcessor處理器：主要作用是處理這些cookie對象丁溅，并構(gòu)建handler對象唤蔗。

• cookielib 庫
  該模塊主要的對象有CookieJar、FileCookieJar窟赏、MozillaCookieJar妓柜、LWPCookieJar。

• CookieJar：管理HTTP cookie值饰序、存儲HTTP請求生成的cookie领虹、向傳出的HTTP請求添加cookie的對象。整個cookie都存儲在內(nèi)存中求豫，對CookieJar實例進行垃圾回收后cookie也將丟失塌衰。

• FileCookieJar (filename,delayload=None,policy=None)：從CookieJar派生而來诉稍，用來創(chuàng)建FileCookieJar實例，檢索cookie信息并將cookie存儲到文件中最疆。filename是存儲cookie的文件名杯巨。delayload為True時支持延遲訪問訪問文件，即只有在需要時才讀取文件或在文件中存儲數(shù)據(jù)努酸。

• MozillaCookieJar (filename,delayload=None,policy=None)：從FileCookieJar派生而來服爷，創(chuàng)建與Mozilla瀏覽器 cookies.txt兼容的FileCookieJar實例。

• LWPCookieJar (filename,delayload=None,policy=None)：從FileCookieJar派生而來获诈，創(chuàng)建與libwww-perl標(biāo)準(zhǔn)的 Set-Cookie3 文件格式兼容的FileCookieJar實例仍源。

其實大多數(shù)情況下，我們只用CookieJar()舔涎，如果需要和本地文件交互笼踩，就用 MozillaCookjar() 或 LWPCookieJar()

3，cookie屬性

Cookie是http請求報頭中的一種屬性亡嫌，包括：
Cookie名字（Name）
Cookie的值（Value）
Cookie的過期時間（Expires/Max-Age）
Cookie作用路徑（Path）
Cookie所在域名（Domain）嚎于，
使用Cookie進行安全連接（Secure）。
前兩個參數(shù)是Cookie應(yīng)用的必要條件挟冠，另外于购，還包括Cookie大小（不同瀏覽器對Cookie個數(shù)及大小限制是有差異的）知染。

Cookie由變量名和值組成肋僧，根據(jù) Netscape公司的規(guī)定，Cookie格式如下：

Set－Cookie: NAME=VALUE;Expires=DATE;Path=PATH;Domain=DOMAIN_NAME持舆；SECURE

4色瘩，cookie應(yīng)用

案例一：獲取登錄過的百度的cookie

from urllib import request
from http import cookiejar

# 創(chuàng)建CookieJar()對象，可以在內(nèi)存中存儲Cookie
cookiejar = cookiejar.CookieJar()
# 構(gòu)建Cookie處理器對象逸寓，用來處理Cookie請求
cookie_handler = request.HTTPCookieProcessor(cookiejar)
# 構(gòu)建自定義opener居兆，發(fā)送請求后可以自動記錄cookie到cookiejar
opener = request.build_opener(cookie_handler)
# 發(fā)送請求
opener.open("http://www.baidu.com/")

print(cookiejar)

cookie_str = ""
for cookie in cookiejar:
    cookie_str += cookie.name + "=" + cookie.value + "; "

print(cookie_str)


# 第一次打印結(jié)果如下：
# <CookieJar[
# <Cookie BAIDUID=7851A9154CA33452B13341B793E2DD682DB:FG=1 for .baidu.com/>,
# <Cookie BIDUPSID=7851A91554CA32B13341B793E2DD682DB for .baidu.com/>,
# <Cookie H_PS_PSSID=1437_251108_1677001_20718 for .baidu.com/>,
# <Cookie PSTM=150036721731 for .baidu.com/>,
# <Cookie BDSVRTM=0 for www.baidu.com/>,
# <Cookie BD_HOME=0 for www.baidu.com/>
# ]>

# 第二次打印結(jié)果
# BAIDUID=D02C0083135C6986F65CC7E74846F2962:FG=1;
# BIDUPSID=D02C0058313C69865F65CC7E74846F2962;
# H_PS_PSSID=14569_21114_17001_20927;
# PSTM=1550037625191;
# BDSVRTM=0;
# BD_HOME=0;

案例二，訪問網(wǎng)站獲得cookie竹伸，并把獲得的cookie保存在cookie文件中

from urllib import request
from http import cookiejar

# 保存cookie到本地磁盤文件名
filename = 'cookie.txt'

# 聲明一個MozillaCookieJar(有save實現(xiàn))對象實例來保存cookie泥栖，之后寫入文件
cookiejar = cookiejar.MozillaCookieJar(filename)

# 使用HTTPCookieProcessor()來創(chuàng)建cookie處理器對象，參數(shù)為CookieJar()對象
handler = request.HTTPCookieProcessor(cookiejar)

# 通過 build_opener() 來構(gòu)建自定義opener
opener = request.build_opener(handler)

# 創(chuàng)建一個請求
response = opener.open("http://www.baidu.com")

# 保存cookie到本地文件勋篓，使用save（）方法即可保存cookie
cookiejar.save()

案例三吧享，從文件中獲取cookies，做為請求的一部分去訪問

from urllib import request
from http import cookiejar

# 創(chuàng)建MozillaCookieJar(有l(wèi)oad實現(xiàn))實例對象
cookiejar = cookiejar.MozillaCookieJar()

# 從文件中讀取cookie內(nèi)容到變量
cookiejar.load('cookie.txt')

# 使用HTTPCookieProcessor()來創(chuàng)建cookie處理器對象譬嚣，參數(shù)為CookieJar()對象
handler = request.HTTPCookieProcessor(cookiejar)

# 通過 build_opener() 來構(gòu)建opener
opener = request.build_opener(handler)

response = opener.open("http://www.baidu.com")
with open('xiaoke.html','wb') as f:
    f.write(response.read())

案例四钢颂，利用cookiejar和post模擬登錄人人網(wǎng)

from urllib import request, parse
from http import cookiejar


def login(opener):
    """
        模擬登錄，返回保存了登錄狀態(tài)的opener
        opener: 沒有登錄狀態(tài)Cookie 的 opener對象
    """
    # 登錄需要的數(shù)據(jù)拜银，不同的網(wǎng)站登錄參數(shù)會不一樣
        # 這是人人網(wǎng)殊鞭，老接口遭垛，只需要用戶名和密碼
        "email": "abcdef@163.com",
        "password": "123456"
        # "token" : "xxxxxx",
    }
    # 轉(zhuǎn)為url編碼
    data = parse.urlencode(fromdata).encode('utf-8')
    # 登錄頁面的url地址
    url = "http://www.renren.com/PLogin.do"
    headers = {"User-Agent": "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Trident/5.0)"}

    # 發(fā)送post請求，登錄人人網(wǎng)操灿，并且獲取登錄狀態(tài)的cookie
    request_1 = request.Request(url, data=data, headers=headers)
    # 發(fā)送請求锯仪，獲取Cookie
    opener.open(request_1)

    # 返回具有登錄狀態(tài)的opener
    return opener


def after_login(login_opener):
    """
        附帶登錄狀態(tài)的Cookie，發(fā)送其他頁面的請求
        login_opener: 附帶登錄狀態(tài)Cookie 的 opener對象
    """
    headers = {"User-Agent": "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Trident/5.0)"}
    # 構(gòu)建人人網(wǎng)隨便一個用戶主頁的請求
    request_2 = request.Request("http://www.renren.com/882178992/profile", headers=headers)
    
    # 直接訪問這個頁面
    response = login_opener.open(request_2)

    with open("renren.html", "wb") as f:
        f.write(response.read())


if __name__ == "__main__":
    # 用來存儲Cookie趾盐，可以動態(tài)更新Cookie
    cookiejar = cookiejar.CookieJar()
    # 構(gòu)建Cookie處理器對象庶喜，用來處理Cookie請求
    cookie_handler = request.HTTPCookieProcessor(cookiejar)
    # 構(gòu)建自定義opener，發(fā)送請求后可以自動記錄cookie到cookiejar
    opener = request.build_opener(cookie_handler)
    # 自己賬戶先登錄救鲤，登錄之后可以拿到帶有cookie信息的opener
    login_opener = login(opener)
    # 通過這個帶有cookie信息的opener久窟，去訪問其他用戶的信息
    after_login(login_opener)