杭州小码教育科技有限公司  

加关注1

urllib提供了一系列用于操作URL的功能。

得到

urllib的request模块可以非常方便地提取URL内容，然后发送一个GET请求到指定的页面，然后返回HTTP的响应：

例如，对豆瓣的一个URLhttps://api.douban.com/v2/book/2129650进行抓取，并返回响应：

from urllib import requestwith request.urlopen('https://api.douban.com/v2/book/2129650') as f:
    data = f.read()
    print('Status:', f.status, f.reason)
    for k, v in f.getheaders():
        print('%s: %s' % (k, v))
    print('data:', data.decode('utf-8'))

可以查看HTTP响应的头和JSON数据：

Status: 200 OKServer: nginxDate: Tue, 26 May 2015 10:02:27 GMTContent-Type: application/json; charset=utf-8Content-Length: 2049Connection: closeExpires: Sun, 1 Jan 2006 01:00:00 GMTPragma: no-cacheCache-Control: must-revalidate, no-cache, privateX-DAE-Node: pidl1data: {rating:{max:10,numRaters:16,average:7.4,min:0},subtitle:,author:[廖雪峰编著],pubdate:2007-6,...}

如果我们的亚伯拉罕浏览模拟器发送GET请求，就需要使用Request对象，通过往Request对象添加HTTP头，我们就可以把请求伪装成浏览器。例如，模拟iPhone 6去请求豆瓣首页：

from urllib import requestreq = request.Request('http://www.douban.com/')req.add_header('User-Agent', 'Mozilla/6.0 (iPhone; CPU iPhone OS 8_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) Version/8.0 Mobile/10A5376e Safari/8536.25')with request.urlopen(req) as f:
    print('Status:', f.status, f.reason)
    for k, v in f.getheaders():
        print('%s: %s' % (k, v))
    print('data:', f.read().decode('utf-8'))

这样豆瓣会返回适合iPhone的移动版网页：

...
    <meta name=viewport content=width=device-width, user-scalable=no, initial-scale=1.0, minimum-scale=1.0, maximum-scale=1.0>
    <meta name=format-detection content=telephone=no>
    <link rel=apple-touch-icon sizes=57x57 href=http://img4.douban.com/pics/cardkit/launcher/57.png />...

邮政

如果要以 POST 发送一个请求，通常会将参数data以字节形式确定。

我们模拟一个微博登录，先读取登录的邮箱和口令，然后按照weibo.cn的登录页面的格式以的username=xxx&password=xxx编码重构：

from urllib import request, parseprint('Login to weibo.cn...')email = input('Email: ')passwd = input('Password: ')login_data = parse.urlencode([
    ('username', email),
    ('password', passwd),
    ('entry', 'mweibo'),
    ('client_id', ''),
    ('savestate', '1'),
    ('ec', ''),
    ('pagerefer', 'https://passport.weibo.cn/signin/welcome?entry=mweibo&r=http%3A%2F%2Fm.weibo.cn%2F')])req = request.Request('https://passport.weibo.cn/sso/login')req.add_header('Origin', 'https://passport.weibo.cn')req.add_header('User-Agent', 'Mozilla/6.0 (iPhone; CPU iPhone OS 8_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) Version/8.0 Mobile/10A5376e Safari/8536.25')req.add_header('Referer', 'https://passport.weibo.cn/signin/login?entry=mweibo&res=wel&wm=3349&r=http%3A%2F%2Fm.weibo.cn%2F')with request.urlopen(req, data=login_data.encode('utf-8')) as f:
    print('Status:', f.status, f.reason)
    for k, v in f.getheaders():
        print('%s: %s' % (k, v))
    print('data:', f.read().decode('utf-8'))

如果登录成功，我们获得的响应如下：

Status: 200 OKServer: nginx/1.2.0...Set-cookie: SSOLoginState=1432620126; path=/; domain=weibo.cn...data: {retcode:20000000,msg:,data:{...,uid:1658384301}}

如果登录失败，我们获得的响应如下：

...data: {retcode:50011015,msg:u7528u6237u540du6216u5bc6u7801u9519u8bef,data:{username:example@python.org,errline:536}}

处理程序

如果还需要更复杂的控制，比如通过一个代理去访问网站，我们需要利用ProxyHandler来处理，示例代码如下：

proxy_handler = urllib.request.ProxyHandler({'http': 'http://www.example.com:3128/'})proxy_auth_handler = urllib.request.ProxyBasicAuthHandler()proxy_auth_handler.add_password('realm', 'host', 'username', 'password')opener = urllib.request.build_opener(proxy_handler, proxy_auth_handler)with opener.open('http://www.example.com/login.html') as f:
    pass

小结

urllib提供的功能就是利用程序去执行各种HTTP请求。如果要浏览器完成特定的功能，需要模拟把请求伪装成浏览器。伪装的方法是先监控浏览器发出的请求，再根据浏览器的请求头来伪装，User-Agent头就是用来标识浏览器的。

练习

利用urllib读取JSON，然后将JSON解析为Python对象：
 

# 测试URL = 'https://query.yahooapis.com/v1/public/yql?q=select%20*%20from%20weather.forecast%20where%20woeid%20%3D%202151330&format=json'数据 = fetch_data(URL)打印（数据）assert data['查询']['结果']['频道']['位置']['城市'] == '北京'打印（'好的'）

【本文分享源至：LmCjl社区网】