欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

介紹Python的Urllib庫的一些高級用法

 更新時間：2015年04月30日 15:35:07   作者：崔慶才  
這篇文章主要介紹了Python的Urllib庫的一些高級用法,是用Python編寫爬蟲的一些基礎(chǔ)知識,需要的朋友可以參考下

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(jìn)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。

2015430152930572.png (1024×424)

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。
 

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：

  1.     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
  2.     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。
  3.     application/xml ： 在 XML RPC，如 RESTful/SOAP 調(diào)用時使用
  4.     application/json ： 在 JSON RPC 調(diào)用時使用
  5.     application/x-www-form-urlencoded ： 瀏覽器提交 Web 表單時使用
  6.     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?；旧线@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')

以上便是一部分高級特性，前三個是重要內(nèi)容，在后面，還有cookies的設(shè)置還有異常的處理，小伙伴們加油！

相關(guān)文章

最新評論