【Python】使用urllib2打开网页的三种方法（Python2）

python2才有urllib2模块，python3把urllib和urllib2封装成了urllib模块

使用urllib2打开网页的三种方法，摘自：https://www.cnblogs.com/z-x-y/p/9402023.html

#coding:utf-8
import urllib2
import cookielib

url="http://www.baidu.com"

print '方法 1'

response1=urllib2.urlopen(url)
print response1.getcode()#验证打开网页是否成功，成功返回200
print len(response1.read())#打印读取网页长度


print'方法 2'
request=urllib2.Request(url)
request.add_header("user-agent","Mozilla/5.0")#伪装成浏览器
response2=urllib2.urlopen(request)
print response2.getcode()#验证打开网页是否成功，成功返回200
print len(response2.read())#打印读取网页长度


print '方法 3'
cj=cookielib.CookieJar()
opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
urllib2.install_opener(opener)
response3=urllib2.urlopen(url)
print response3.getcode()#验证打开网页是否成功，成功返回200
print cj
print len(response3.read())#打印读取网页长度

 

 

Python2中的urllib、urllib2与Python3中的urllib以及第三方模块requests，摘自：https://www.cnblogs.com/jieran/p/8296617.html

在python2中，urllib和urllib2都是接受URL请求的相关模块，但是提供了不同的功能。两个最显著的不同如下：

1、urllib2可以接受一个Request类的实例来设置URL请求的headers，例如：

req = urllib2.Request(  
[python] view plain copy
        url=url,  
        data=postdata,  
        headers=headers  
)  
result = urllib2.urlopen(req) 

我们知道，HTTP是无连接的状态协议，但是客户端和服务器端需要保持一些相互信息，比如cookie，有了cookie，服务器才能知道刚才是这个用户登录了网站，才会给予客户端访问一些页面的权限。所以我们需要保存cookie，之后附带cookie再来访问网站，才能够达到效果。这里就需要Python的cookielib和urllib2等的配合，将cookielib绑定到urllib2在一起，就能够在请求网页的时候附带cookie。在构造req请求之前可以获取一个保存cookies的对象，并把该对象和http处理器、http的handler资源以及urllib2的对象绑定在一起：

1 cj = cookielib.LWPCookieJar()  
2 cookie_support = urllib2.HTTPCookieProcessor(cj)  
3 # 创建一个opener，将保存了cookie的http处理器，还有设置一个handler用于处理http的URL的打开  
4 opener = urllib2.build_opener(cookie_support, urllib2.HTTPHandler)  
5 # 将包含了cookie、http处理器、http的handler的资源和urllib2对象板顶在一起  
6 urllib2.install_opener(opener)  

2、urllib仅可以接受URL。这意味着，你不可以伪装你的User Agent字符串等。

但是urllib提供urlencode方法用来GET查询字符串的产生，而urllib2没有。这是就是为何urllib常和urllib2一起使用的原因，如下：

postdata = urllib.urlencode(postdata)

（把字典形式的postdata编码一下）
Tip: if you are planning to do HTTP stuff only, check out httplib2, it is much better than httplib or urllib or urllib2.

  

》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》》

下面说说Python3x中的urllib包、http包以及其他比较好使的第三方包

1、Python3 urllib、http

Python3不像2x中酷虎的和服务器模块结构散乱，Python3中把这些打包成为了2个包，就是http与urllib，详解如下：

http会处理所有客户端--服务器http请求的具体细节，其中：

（1）client会处理客户端的部分

（2）server会协助你编写Python web服务器程序

（3）cookies和cookiejar会处理cookie，cookie可以在请求中存储数据

使用cookiejar示例可以在前几篇博客中基于Python3的爬虫中找到示例，如下：

 1 import http.cookiejar  
 2 import urllib.request  
 3 import urllib.parse</span></span>  
 4 def getOpener(head):  
 5     # deal with the Cookies  
 6     cj = http.cookiejar.CookieJar()  
 7     pro = urllib.request.HTTPCookieProcessor(cj)  
 8     opener = urllib.request.build_opener(pro)  
 9     header = []  
10     for key, value in head.items():  
11         elem = (key, value)  
12         header.append(elem)  
13     opener.addheaders = header  
14     return opener  

urllib是基于http的高层库，它有以下三个主要功能：

（1）request处理客户端的请求

（2）response处理服务端的响应

（3）parse会解析url

下面是使用Python3中urllib来获取资源的一些示例：

1 1、最简单  
2 import urllib.request  
3 response = urllib.request.urlopen('http://python.org/')  
4 html = response.read()  

1 2、使用 Request  
2 import urllib.request  
3 req = urllib.request.Request('http://python.org/')  
4 response = urllib.request.urlopen(req)  
5 the_page = response.read()  

 1 3、发送数据  
 2 import urllib.parse  
 3 import urllib.request  
 4 url = '"  
 5 values = {  
 6 'act' : 'login',  
 7 'login[email]' : '',  
 8 'login[password]' : ''  
 9 }  
10 data = urllib.parse.urlencode(values)  
11 req = urllib.request.Request(url, data)  
12 req.add_header('Referer', 'http://www.python.org/')  
13 response = urllib.request.urlopen(req)  
14 the_page = response.read()  
15 print(the_page.decode("utf8")) 

 1 4、发送数据和header  
 2 import urllib.parse  
 3 import urllib.request  
 4 url = ''  
 5 user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'  
 6 values = {  
 7 'act' : 'login',  
 8 'login[email]' : '',  
 9 'login[password]' : ''  
10 }  
11 headers = { 'User-Agent' : user_agent }  
12 data = urllib.parse.urlencode(values)  
13 req = urllib.request.Request(url, data, headers)  
14 response = urllib.request.urlopen(req)  
15 the_page = response.read()  
16 print(the_page.decode("utf8"))  

1 5、http 错误  
2 import urllib.request  
3 req = urllib.request.Request(' ')  
4 try:  
5 urllib.request.urlopen(req)  
6 except urllib.error.HTTPError as e:  
7 print(e.code)  
8 print(e.read().decode("utf8"))  

 1 6、异常处理1  
 2 from urllib.request import Request, urlopen  
 3 from urllib.error import URLError, HTTPError  
 4 req = Request("http://www..net /")  
 5 try:  
 6 response = urlopen(req)  
 7 except HTTPError as e:  
 8 print('The server couldn't fulfill the request.')  
 9 print('Error code: ', e.code)  
10 except URLError as e:  
11 print('We failed to reach a server.')  
12 print('Reason: ', e.reason)  
13 else:  
14 print("good!")  
15 print(response.read().decode("utf8"))  

 1 7、异常处理2  
 2 from urllib.request import Request, urlopen  
 3 from urllib.error import  URLError  
 4 req = Request("http://www.Python.org/")  
 5 try:  
 6 response = urlopen(req)  
 7 except URLError as e:  
 8 if hasattr(e, 'reason'):  
 9 print('We failed to reach a server.')  
10 print('Reason: ', e.reason)  
11 elif hasattr(e, 'code'):  
12 print('The server couldn't fulfill the request.')  
13 print('Error code: ', e.code)  
14 else:  
15 print("good!")  
16 print(response.read().decode("utf8"))  

 1 8、HTTP 认证  
 2 import urllib.request  
 3 # create a password manager  
 4 password_mgr = urllib.request.HTTPPasswordMgrWithDefaultRealm()  
 5 # Add the username and password.  
 6 # If we knew the realm, we could use it instead of None.  
 7 top_level_url = ""  
 8 password_mgr.add_password(None, top_level_url, 'rekfan', 'xxxxxx')  
 9 handler = urllib.request.HTTPBasicAuthHandler(password_mgr)  
10 # create "opener" (OpenerDirector instance)  
11 opener = urllib.request.build_opener(handler)  
12 # use the opener to fetch a URL  
13 a_url = ""  
14 x = opener.open(a_url)  
15 print(x.read())  
16 # Install the opener.  
17 # Now all calls to urllib.request.urlopen use our opener.  
18 urllib.request.install_opener(opener)  
19 a = urllib.request.urlopen(a_url).read().decode('utf8')  
20 print(a)  

1 9、使用代理  
2 import urllib.request  
3 proxy_support = urllib.request.ProxyHandler({'sock5': 'localhost:1080'})  
4 opener = urllib.request.build_opener(proxy_support)  
5 urllib.request.install_opener(opener)  
6 a = urllib.request.urlopen("").read().decode("utf8")  
7 print(a)  

 1 10、超时  
 2 import socket  
 3 import urllib.request  
 4 # timeout in seconds  
 5 timeout = 2  
 6 socket.setdefaulttimeout(timeout)  
 7 # this call to urllib.request.urlopen now uses the default timeout  
 8 # we have set in the socket module  
 9 req = urllib.request.Request('')  
10 a = urllib.request.urlopen(req).read()  
11 print(a)  

上面例子大概把常用的一些情况都罗列出来了，其中对异常的处理要严格按照：

 

try...exceptA...exceptB...except...else...finally...

的语法格式来写，详情请参考我的另一篇相关博文

》》》》》》》》》》》》》》》》》》》》》》》》

2、除了使用官方标准库的urllib，我们可以使用更好用的第三方模块，如requests

Requests 完全满足如今网络的需求，其功能有以下：

 

• 国际化域名和 URLs
• Keep-Alive & 连接池
• 持久的 Cookie 会话
• 类浏览器式的 SSL 加密认证
• 基本/摘要式的身份认证
• 优雅的键/值 Cookies
• 自动解压
• Unicode 编码的响应体
• 多段文件上传
• 连接超时
• 支持 .netrc
• 适用于 Python 2.6—3.4
• 线程安全

附加：

在python2.x中raw_input( )和input( )，两个函数都存在，其中区别为
raw_input( )---将所有输入作为字符串看待，返回字符串类型
input( )-----只能接收“数字”的输入，在对待纯数字输入时具有自己的特性，它返回所输入的数字的类型（ int, float ）

在python3.x中raw_input( )和input( )进行了整合，去除了raw_input( )，仅保留了input( )函数，
其接收任意任性输入，将所有输入默认为字符串处理，并返回字符串类型。