python中urllib2高级应用 使用代理 模拟浏览器 cookie

python中urllib2高级应用 使用代理 模拟浏览器 cookie

http://blog.csdn.net/winterto1990/article/details/51225822

原创 2016年04月23日 13:19:53

• 标签：
• python /
• urllib2 /
• 代理 /
• IP /
• headers

• 7081

之前的文章分享了一下python中requests如何使用代理以及如何处理乱码问题，还有使用cookies的问题，有感兴趣的可以查看。

 

urllib2简介 

urllib2提供一个基础函数urlopen，通过向指定的URL发出请求来获取数据。最简单的形式就是

 

import urllib2
response=urllib2.urlopen('http://www.douban.com')
html=response.read()

这个过程就是我们平时刷网页的代码表现形式，它基于请求-响应模型。

 

response=urllib2.urlopen('http://www.douban.com')

实际上可以看作两个步骤: 
我们指定一个域名并发送请求 

 

request=urllib2.request('http://www.douban.com')

接着服务端响应来自客户端的请求 

 

response=urllib2.urlopen(request)

也许你会注意到，我们平时除了刷网页的操作，还有向网页提交数据。这种提交数据的行为，urllib2会把它翻译为:

 

import urllib
import urllib2
url = 'http://www.douban.com'
info = {'name' : 'Michael Foord',
          'location' : 'Northampton'}
data = urllib.urlencode(info)  #info 需要被编码为urllib2能理解的格式，这里用到的是urllib
req = urllib2.Request(url, data)
response = urllib2.urlopen(req)
the_page = response.read()

有时你会碰到，程序也对，但是服务器拒绝你的访问。这是为什么呢?问题出在请求中的头信息(header)。 
有的服务端有洁癖，不喜欢程序来触摸它。这个时候你需要将你的程序伪装成浏览器来发出请求。请求的方式就包含在header中。 
常见的情形:

 

import urllib
import urllib2
url = 'http://www.someserver.com/cgi-bin/register.cgi'
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'# 将user_agent写入头信息
values = {'name' : 'Michael Foord',
          'location' : 'Northampton',
          'language' : 'Python' }
headers = { 'User-Agent' : user_agent }
data = urllib.urlencode(values)
req = urllib2.Request(url, data, headers)
response = urllib2.urlopen(req)
the_page = response.read()

学会使用urllib2利用cookie

说明： 
1.人人网的登录地址需要用BeautifulSoup来抓取。 
2.个人信息存在info中。info是一个字典{'email':'xx','password':'xx'}.key的命名需要根据实际网页中定义，比如豆瓣的定义是{'form_email':'xx','form_password':'xx'} 
3.使用cookie的好处在于，登录之后你可以使用cookie中保存的信息作为头信息的一部分，利用已经保存的头信息接着访问网站。

 

下面解决的问题是如何在urllib2中使用代理：

 

proxies={"http":"114.244.112.220:8118"}   #设置你想要使用的代理
proxy_s=urllib2.ProxyHandler(proxies)
opener=urllib2.build_opener(proxy_s)
urllib2.install_opener(opener)
content=urllib2.urlopen('http://ip.catr.cn/').read()#读取指定网站的内容

ff=open("content.txt",'w')
ff.writelines(content)
ff.close()

这里所使用的网址 http://ip.catr.cn/是用来检测你访问该网站所使用的ip。这也是检测使用代理是否成功很好的办法。