Python爬虫入门_之urllib2&&urllib
来源:互联网 发布:sql server是什么意思 编辑:程序博客网 时间:2024/05/16 23:55
笔者是在python2.7环境下学习爬虫的
import urllib2 #引入模块import urllibhtml = urllib2.urlopen('http://www.jikexueyuan.com')html.read()
以上几行,简单的把极客学院的html页面爬下来了,分析一下urllib2模块:
# urlopen()>>> urllib2.urlopen(url, data, timeout) #第一个参数是打开的url,第二个是,将要传入的参数这里涉及到用get/post方式请求打开url>>> value = {'username':'root','password':123456}>>> param = urllib.urlencode(value)>>> print param'username=root&password=123456'>>> html = urllib2.urlopen('www.ccut.edu.cn?%s' % param) #以get方式请求>>> html = urllib2.urlopen('www.ccut.edu.cn', param)#以post方式请求>>>
#urllib2.Request()可以用来设置代理防止反爬虫>>> user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' >>> headers = { 'User-Agent' : user_agent }>>> request = urllib2.Request(url, param, headers)#此处的url,param都同上>>> response = urllib2.urlopen(request)>>> response.read() #到此结束,重新定义了代理
代理设置:假如一个网站它会检测某一段时间某个IP 的访问次数,如果访问次数过多,它会禁止你的访问。所以你可以设置一些代理服务器来帮助你做工作,每隔一段时间换一个代理
enable_proxy = Trueproxy_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)
模拟登录:
#很多网页需要登录才能看到我们想要抓取的内容,我们可以模拟登录这个过程,保存cookie: url = 'www.ccut.edu.cn' cookj = cookielib.CookieJar() opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookj)) urllib2.install_opener(opener) response = urllib2.urlopen(url)
更多详细请参考这篇文章http://cuiqingcai.com/954.html
阅读全文
0 0
- Python爬虫入门_之urllib2&&urllib
- 爬虫入门二(urllib,urllib2)
- python模块之urllib2基本爬虫入门
- python爬虫--urllib2和urllib区别
- python 爬虫入门(2) 爬虫基础知识 ; urllib 模块 ;urllib2 模块
- Python urllib和urllib2的入门
- Python模块之---urllib,urllib2,httplib
- python之urllib与urllib2比较
- python标准库之urllib, httplib, urllib2
- python的urllib2和urllib爬虫及区别
- python爬虫之一——urllib、urllib2篇
- Python爬虫----爬虫入门(3)---urllib2
- Python爬虫入门三之Urllib库的基本使用
- Python爬虫入门四之Urllib库的高级用法
- Python爬虫入门三之Urllib库的基本使用
- Python爬虫入门四之Urllib库的高级用法
- Python爬虫入门三之Urllib库的基本使用
- Python爬虫入门一之Urllib库的基本使用
- Mysql慢查询(一)
- 核电站问题 解题报告
- 高斯光束的相关公式
- Spring AOP
- Java框架之Struts2(1)
- Python爬虫入门_之urllib2&&urllib
- 处理器与安装内存显示不可用
- Scaling SGD Batch Size to 32K for ImageNet Training
- 读书笔记_深入理解Java虚拟机(第二版)
- minio
- 电子通讯录(数据库版存储)
- 小白做运营的那些坑
- 【[Offer收割]编程练习赛23 A】【爆搜】H国的身份证号码I
- CentOS安装jdk