創(chuàng)新互聯(lián)www.cdcxhl.cn八線動態(tài)BGP香港云服務(wù)器提供商，新人活動買多久送多久，劃算不套路！
成都創(chuàng)新互聯(lián)公司是一家集網(wǎng)站建設(shè),莘縣企業(yè)網(wǎng)站建設(shè),莘縣品牌網(wǎng)站建設(shè),網(wǎng)站定制,莘縣網(wǎng)站建設(shè)報價,網(wǎng)絡(luò)營銷,網(wǎng)絡(luò)優(yōu)化,莘縣網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強企業(yè)競爭力?？沙浞譂M足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實用型網(wǎng)站。這篇文章給大家分享的是有關(guān)Python2爬蟲中Urllib的使用方法的內(nèi)容。小編覺得挺實用的，因此分享給大家做個參考。一起跟隨小編過來看看吧。
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，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，我們需要設(shè)置一些Headers 的屬性。
首先，打開我們的瀏覽器，調(diào)試瀏覽器F12，我用的是Chrome，打開網(wǎng)絡(luò)監(jiān)聽，示意如下，比如知乎，點登錄之后，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，實質(zhì)上這個頁面包含了許許多多的內(nèi)容，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，一般是首先請求HTML文件，然后加載JS，CSS 等等，經(jīng)過多次請求之后，網(wǎng)頁的骨架和肌肉全了，整個網(wǎng)頁的效果也就出來了。
拆分這些請求，我們只看一第一個請求，你可以看到，有個Request URL，還有headers，下面便是response，圖片顯示得不全，小伙伴們可以親身實驗一下。那么這個頭中包含了許許多多是信息，有文件編碼啦，壓縮方式啦，請求的agent啦等等。
其中，agent就是請求的身份，如果沒有寫入請求身份，那么服務(wù)器不一定會響應(yīng)，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，小伙伴們看一下設(shè)置格式就好。
重慶分公司
重慶分公司
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，我們設(shè)置了一個headers，在構(gòu)建request時傳入，在請求時，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，就會得到響應(yīng)。
另外，我們還有對付”反盜鏈”的方式，對付防盜鏈，服務(wù)器會識別headers中的referer是不是它自己，如果不是，有的服務(wù)器不會響應(yīng)，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，這樣就能應(yīng)付防盜鏈了。
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，服務(wù)器會檢查該值，用來確定 HTTP Body 中的內(nèi)容該怎樣解析。
application/xml ： 在 XML RPC，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， Content-Type 設(shè)置錯誤會導(dǎo)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。
2、Proxy（代理）的設(shè)置
urllib2 默認(rèn)會使用環(huán)境變量 http_proxy 來設(shè)置 HTTP Proxy。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，它會禁止你的訪問。所以你可以設(shè)置一些代理服務(wù)器來幫助你做工作，每隔一段時間換一個代理，網(wǎng)站君都不知道是誰在搗鬼了，這酸爽！
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，第三個參數(shù)就是timeout的設(shè)置，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。
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，寫明形參，如果data已經(jīng)傳入，則不必聲明。
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，我們有時候需要用到PUT方式或者DELETE方式請求。
PUT：這個方法比較少見。HTML表單也不支持這個。本質(zhì)上來講， PUT和POST極為相似，都是向服務(wù)器發(fā)送數(shù)據(jù)，但它們之間有一個重要區(qū)別，PUT通常指定了資源的存放位置，而POST則沒有，POST的數(shù)據(jù)存放位置由服務(wù)器自己決定。
DELETE：刪除某一個資源。基本上這個也很少見，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 ，只能使用比較低層的 httplib 庫。雖然如此，我們還是能通過下面的方式，使 urllib2 能夠發(fā)出 PUT 或DELETE 的請求，不過用的次數(shù)的確是少，在這里提一下。
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，這樣收發(fā)包的內(nèi)容就會在屏幕上打印出來，方便調(diào)試，這個也不太常用，僅提一下
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')感謝各位的閱讀！關(guān)于Python2爬蟲中Urllib的使用方法就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！
