【Python】Python学习笔记(一)——urllib类库基础

导入类库

import urllib  import urllib2 

---

爬取数据

request = urllib2.Request(url) #发送请求response = urllib2.urlopen(request) #得到响应内容response.read() #读取内容

urlopen()

# url请求地址# data默认为空None# timeout默认为socket._GLOBAL_DEFAULT_TIMEOUTurlopen(url, data, timeout)

read()

# 保存返回信息response.read()

构造request

# 通过构建一个request，服务器响应请求得到应答urllib2.Request(url)

POST

values = {"username":"[e-mail]","password":"XXXX"}data = urllib.urlencode(values) 

---

values = {}values['username'] = "[e-mail]"values['password'] = "XXXX"data = urllib.urlencode(values) 

GET

values = {"username":"[e-mail]","password":"XXXX"}data = urllib.urlencode(values) geturl = url + "?" + data

设置Headers

headers = {}request = urllib2.Request(url, data, headers)   

设置代理

proxy_handler = urllib2.ProxyHandler({"http" : 'http://host:port'})null_proxy_handler = urllib2.ProxyHandler({})if enable_proxy == True:    opener = urllib2.build_opener(proxy_handler)else:    opener = urllib2.build_opener(null_proxy_handler)urllib2.install_opener(opener)

爬虫异常:URLError

• 网络无连接，即本机无法上网
• 连接不到特定的服务器
• 服务器不存在

try:     # ...except urllib2.URLError, e:    print e.reason

HTTPError

HTTPError是URLError的子类，在你利用urlopen方法发出一个请求时，服务器上都会对应一个应答对象response，其中它包含一个数字”状态码”

100：继续 客户端应当继续发送请求。客户端应当继续发送请求的剩余部分，或者如果请求已经完成，忽略这个响应。
101： 转换协议 在发送完这个响应最后的空行后，服务器将会切换到在Upgrade 消息头中定义的那些协议。只有在切换新的协议更有好处的时候才应该采取类似措施。
102：继续处理 由WebDAV（RFC 2518）扩展的状态码，代表处理将被继续执行。
200：请求成功 处理方式：获得响应的内容，进行处理
201：请求完成，结果是创建了新资源。新创建资源的URI可在响应的实体中得到 处理方式：爬虫中不会遇到
202：请求被接受，但处理尚未完成 处理方式：阻塞等待
204：服务器端已经实现了请求，但是没有返回新的信 息。如果客户是用户代理，则无须为此更新自身的文档视图。 处理方式：丢弃
300：该状态码不被HTTP/1.0的应用程序直接使用， 只是作为3XX类型回应的默认解释。存在多个可用的被请求资源。 处理方式：若程序中能够处理，则进行进一步处理，如果程序中不能处理，则丢弃
301：请求到的资源都会分配一个永久的URL，这样就可以在将来通过该URL来访问此资源 处理方式：重定向到分配的URL
302：请求到的资源在一个不同的URL处临时保存 处理方式：重定向到临时的URL
304：请求的资源未更新 处理方式：丢弃
400：非法请求 处理方式：丢弃
401：未授权 处理方式：丢弃
403：禁止 处理方式：丢弃
404：没有找到 处理方式：丢弃
500：服务器内部错误 服务器遇到了一个未曾预料的状况，导致了它无法完成对请求的处理。一般来说，这个问题都会在服务器端的源代码出现错误时出现。
501：服务器无法识别 服务器不支持当前请求所需要的某个功能。当服务器无法识别请求的方法，并且无法支持其对任何资源的请求。
502：错误网关 作为网关或者代理工作的服务器尝试执行请求时，从上游服务器接收到无效的响应。
503：服务出错 由于临时的服务器维护或者过载，服务器当前无法处理请求。这个状况是临时的，并且将在一段时间以后恢复。

try:    # ...except urllib2.HTTPError, e:    print e.code    print e.reason

---

try:   # ...except urllib2.HTTPError, e:    print e.codeexcept urllib2.URLError, e:    print e.reason

python2学习教程