1.基本方法
urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)
url: 需要打開的網址data：Post提交的數(shù)據timeout：設置網站的訪問超時時間
直接用urllib.request模塊的urlopen（）獲取頁面葵腹，page的數(shù)據格式為bytes類型咖楣，需要decode（）解碼，轉換成str類型忧便。
1 from urllib import request
2 response = request.urlopen(r'http://python.org/') # <http.client.HTTPResponse object at 0x00000000048BC908> HTTPResponse類型
3 page = response.read()
4 page = page.decode('utf-8')
urlopen返回對象提供方法：
read() , readline() ,readlines() , fileno() , close() ：對HTTPResponse類型數(shù)據進行操作info()：返回HTTPMessage對象，表示遠程服務器返回的頭信息getcode()：返回Http狀態(tài)碼织阳。如果是http請求袍暴，200請求成功完成;404網址未找到geturl()：返回請求的url
2.使用Request
urllib.request.Request(url, data=None, headers={}, method=None)
使用request（）來包裝請求，再通過urlopen（）獲取頁面苛预。
復制代碼
1 url = r'http://www.lagou.com/zhaopin/Python/?labelWords=label'
2 headers = {
3 'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
4 r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
5 'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
6 'Connection': 'keep-alive'
7 }
8 req = request.Request(url, headers=headers)
9 page = request.urlopen(req).read()
10 page = page.decode('utf-8')
復制代碼
用來包裝頭部的數(shù)據：
User-Agent ：這個頭部可以攜帶如下幾條信息：瀏覽器名和版本號、操作系統(tǒng)名和版本號笋熬、默認語言Referer：可以用來防止盜鏈热某，有一些網站圖片顯示來源http://***.com，就是檢查Referer來鑒定的Connection：表示連接狀態(tài)胳螟，記錄Session的狀態(tài)昔馋。
3.Post數(shù)據
urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)
urlopen（）的data參數(shù)默認為None，當data參數(shù)不為空的時候糖耸，urlopen（）提交方式為Post秘遏。
復制代碼
1 from urllib import request, parse
2 url = r'http://www.lagou.com/jobs/positionAjax.json?'
3 headers = {
4 'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
5 r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
6 'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
7 'Connection': 'keep-alive'
8 }
9 data = {
10 'first': 'true',
11 'pn': 1,
12 'kd': 'Python'
13 }
14 data = parse.urlencode(data).encode('utf-8')
15 req = request.Request(url, headers=headers, data=data)
16 page = request.urlopen(req).read()
17 page = page.decode('utf-8')
復制代碼
urllib.parse.urlencode(query, doseq=False, safe='', encoding=None, errors=None)
urlencode（）主要作用就是將url附上要提交的數(shù)據。
復制代碼
1 data = {
2 'first': 'true',
3 'pn': 1,
4 'kd': 'Python'
5 }
6 data = parse.urlencode(data).encode('utf-8')
復制代碼
經過urlencode（）轉換后的data數(shù)據為?first=true?pn=1?kd=Python嘉竟，最后提交的url為
http://www.lagou.com/jobs/positionAjax.json?first=true?pn=1?kd=Python
Post的數(shù)據必須是bytes或者iterable of bytes邦危，不能是str洋侨，因此需要進行encode（）編碼
1 page = request.urlopen(req, data=data).read()
當然，也可以把data的數(shù)據封裝在urlopen（）參數(shù)中
4.異常處理
復制代碼
1 def get_page(url):
2 headers = {
3 'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
4 r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
5 'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
6 'Connection': 'keep-alive'
7 }
8 data = {
9 'first': 'true',
10 'pn': 1,
11 'kd': 'Python'
12 }
13 data = parse.urlencode(data).encode('utf-8')
14 req = request.Request(url, headers=headers)
15 try:
16 page = request.urlopen(req, data=data).read()
17 page = page.decode('utf-8')
18 except error.HTTPError as e:
19 print(e.code())
20 print(e.read().decode('utf-8'))
21 return page
復制代碼
5倦蚪、使用代理
urllib.request.ProxyHandler(proxies=None)
當需要抓取的網站設置了訪問限制希坚，這時就需要用到代理來抓取數(shù)據。
復制代碼
1 data = {
2 'first': 'true',
3 'pn': 1,
4 'kd': 'Python'
5 }
6 proxy = request.ProxyHandler({'http': '5.22.195.215:80'}) # 設置proxy
7 opener = request.build_opener(proxy) # 掛載opener
8 request.install_opener(opener) # 安裝opener
9 data = parse.urlencode(data).encode('utf-8')
10 page = opener.open(url, data).read()
11 page = page.decode('utf-8')
12 return page
整理不易陵且，如果覺得有所幫助裁僧，希望可以留下您的精彩言論再走。趕快為你們最喜歡的框架打Call吧慕购。
大家如果需要Python的學習資料可以加我的群：834179111聊疲，小編整理了，從Python入門零基礎到項目實戰(zhàn)的資料沪悲。歡迎還沒有找到方向的小伙伴來學習获洲。
本文轉自網絡 如有侵權 請聯(lián)系小編刪除
