1.設(shè)置Headers
有些網(wǎng)站不會同意程序直接用上面的方式進行訪問窘拯，如果識別有問題，那么站點根本不會響應(yīng)，所以為了完全模擬瀏覽器的工作叁执，我們需要設(shè)置一些Headers 的屬性透且。
首先伤塌，打開我們的瀏覽器茫负，調(diào)試瀏覽器F12米同，我用的是Chrome陷嘴，打開網(wǎng)絡(luò)監(jiān)聽映砖，示意如下，比如知乎灾挨，點登錄之后邑退，我們會發(fā)現(xiàn)登陸之后界面都變化了，出現(xiàn)一個新的界面劳澄，實質(zhì)上這個頁面包含了許許多多的內(nèi)容地技，這些內(nèi)容也不是一次性就加載完成的，實質(zhì)上是執(zhí)行了好多次請求秒拔，一般是首先請求HTML文件莫矗，然后加載JS，CSS 等等砂缩，經(jīng)過多次請求之后作谚，網(wǎng)頁的骨架和肌肉全了，整個網(wǎng)頁的效果也就出來
拆分這些請求庵芭，我們只看一第一個請求妹懒，你可以看到，有個Request URL双吆，還有headers眨唬，頭中包含了許許多多是信息会前，有文件編碼啦，壓縮方式啦匾竿，請求的agent啦等
其中瓦宜，agent就是請求的身份，如果沒有寫入請求身份搂橙，那么服務(wù)器不一定會響應(yīng)歉提，所以可以在headers中設(shè)置agent,例如下面的例子，這個例子只是說明了怎樣設(shè)置的headers区转，小伙伴們看一下設(shè)置
import urllib
import urllib2
url = 'http://www.server.com/login'
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
values = {'username' : 'cqc', 'password' : 'XXXX' }
headers = { 'User-Agent' : user_agent }
data = urllib.urlencode(values)
request = urllib2.Request(url, data, headers)
response = urllib2.urlopen(request)
page = response.read()
這樣苔巨，我們設(shè)置了一個headers，在構(gòu)建request時傳入废离，在請求時侄泽，就加入了headers傳送，服務(wù)器若識別了是瀏覽器發(fā)來的請求蜻韭，就會得到響應(yīng)悼尾。
另外，我們還有對付”反盜鏈”的方式肖方，對付防盜鏈闺魏，服務(wù)器會識別headers中的referer是不是它自己，如果不是俯画，有的服務(wù)器不會響應(yīng)析桥，所以我們還可以在headers中加入referer
例如我們可以構(gòu)建下面的headers
headers = { 'User-Agent' : 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' ,
'Referer':'http://www.zhihu.com/articles' }
同上面的方法，在傳送請求時把headers傳入Request參數(shù)里艰垂，這樣就能應(yīng)付防盜鏈了泡仗。
另外headers的一些屬性，下面的需要特別注意一下：
User-Agent : 有些服務(wù)器或 Proxy 會通過該值來判斷是否是瀏覽器發(fā)出的請求Content-Type : 在使用 REST 接口時猜憎，服務(wù)器會檢查該值娩怎，用來確定 HTTP Body 中的內(nèi)容該怎樣解析。application/xml ： 在 XML RPC胰柑，如 RESTful/SOAP 調(diào)用時使用application/json ： 在 JSON RPC 調(diào)用時使用application/x-www-form-urlencoded ： 瀏覽器提交 Web 表單時使用在使用服務(wù)器提供的 RESTful 或 SOAP 服務(wù)時截亦， Content-Type 設(shè)置錯誤會導致服務(wù)器拒絕服務(wù)
其他的有必要的可以審查瀏覽器的headers內(nèi)容，在構(gòu)建時寫入同樣的數(shù)據(jù)即可柬讨。
2. Proxy（代理）的設(shè)置
urllib2 默認會使用環(huán)境變量 http_proxy 來設(shè)置 HTTP Proxy崩瓤。假如一個網(wǎng)站它會檢測某一段時間某個IP 的訪問次數(shù)，如果訪問次數(shù)過多姐浮，它會禁止你的訪問谷遂。所以你可以設(shè)置一些代理服務(wù)器來幫助你做工作葬馋，每隔一段時間換一個代理
下面一段代碼說明了代理的設(shè)置用法
import urllib2
enable_proxy = True
proxy_handler = urllib2.ProxyHandler({"http" : 'http://some-proxy.com:8080'})
null_proxy_handler = urllib2.ProxyHandler({})
if enable_proxy:
opener = urllib2.build_opener(proxy_handler)
else:
opener = urllib2.build_opener(null_proxy_handler)
urllib2.install_opener(opener)
3.Timeout 設(shè)置
上一節(jié)已經(jīng)說過urlopen方法了卖鲤，第三個參數(shù)就是timeout的設(shè)置肾扰，可以設(shè)置等待多久超時，為了解決一些網(wǎng)站實在響應(yīng)過慢而造成的影響蛋逾。
例如下面的代碼,如果第二個參數(shù)data為空那么要特別指定是timeout是多少集晚，寫明形參，如果data已經(jīng)傳入区匣，則不必聲明偷拔。
import urllib2
response = urllib2.urlopen('http://www.baidu.com', timeout=10)
import urllib2
response = urllib2.urlopen('http://www.baidu.com',data, 10)
4.使用 HTTP 的 PUT 和 DELETE 方法
http協(xié)議有六種請求方法，get,head,put,delete,post,options亏钩，我們有時候需要用到PUT方式或者DELETE方式請求莲绰。
PUT：這個方法比較少見。HTML表單也不支持這個姑丑。本質(zhì)上來講蛤签， PUT和POST極為相似，都是向服務(wù)器發(fā)送數(shù)據(jù)栅哀，但它們之間有一個重要區(qū)別震肮，PUT通常指定了資源的存放位置，而POST則沒有留拾，POST的數(shù)據(jù)存放位置由服務(wù)器自己決定戳晌。DELETE：刪除某一個資源〕杖幔基本上這個也很少見沦偎，不過還是有一些地方比如amazon的S3云服務(wù)里面就用的這個方法來刪除資源。
如果要使用 HTTP PUT 和 DELETE 竞帽，只能使用比較低層的 httplib 庫扛施。雖然如此，我們還是能通過下面的方式屹篓，使 urllib2 能夠發(fā)出 PUT 或DELETE 的請求
import urllib2
request = urllib2.Request(uri, data=data)
request.get_method = lambda: 'PUT' # or 'DELETE'
response = urllib2.urlopen(request)
5.使用DebugLog
可以通過下面的方法把 Debug Log 打開疙渣，這樣收發(fā)包的內(nèi)容就會在屏幕上打印出來
import urllib2
httpHandler = urllib2.HTTPHandler(debuglevel=1)
httpsHandler = urllib2.HTTPSHandler(debuglevel=1)
opener = urllib2.build_opener(httpHandler, httpsHandler)
urllib2.install_opener(opener)
response = urllib2.urlopen('http://www.baidu.com')
