urllib提供了一系列用於操作URL的功能。包含urllib.request,urllib.error,urllib.parse,urllib.robotparser四個子模塊。
官網資料如下：
urllib is
a package that collects several modules for working with URLs:
urllib.requestfor opening and reading URLsurllib.errorcontaining the exceptions raised byurllib.requesturllib.parsefor parsing URLsurllib.robotparserfor parsingrobots.txtfiles
- urllib.request打開和瀏覽url中內容
- urllib.error包含從 urllib.request發生的錯誤或異常
- urllib.parse解析url
- urllib.robotparser解析 robots.txt文件
urllib.request.urlopen（）
urllib.request.urlopen函數參數如下：
urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)
- url: 需要打開的網址
- data：Post提交的數據
- timeout：設置網站的訪問超時時間
urlopen返回對象提供方法：
- read() , readline() ,readlines() , fileno() , close() ：對HTTPResponse類型數據進行操作
- info()：返回HTTPMessage對象，表示遠程服務器返回的頭信息
- getcode()：返回Http狀態碼。如果是http請求，200請求成功完成 ; 404網址未找到
- geturl()：返回請求的url
urllib的request模塊可以非常方便地抓取URL內容，當data參數爲空的時候也就是發送一個GET請求到指定的頁面，然後返回HTTP的響應：
例如對百度的一個URLhttps://www.baidu.com/進行抓取，並返回響應：
from urllib import request
with request.urlopen('https://www.baidu.com/') as f:
data = f.read()
print('Status:', f.status, f.reason)
print('Data:', data)Status: 200 OK
Data: b'<html>\r\n<head>\r\n\t<script>\r\n\t\tlocation.replace(location.href.replace("https://","http://"));\r\n\t</script>\r\n</head>\r\n<body>\r\n\t<noscript><meta http-equiv="refresh" content="0;url=http://www.baidu.com/"></noscript>\r\n</body>\r\n</html>
這時我們發現Data內容與網頁內容有幾分差異
Data的數據格式爲bytes類型，需要decode（）解碼，轉換成str類型。
print('Data:', data.decode('utf-8'))Data: <html>
<head>
<script>
location.replace(location.href.replace("https://","http://"));
</script>
</head>
<body>
<noscript><meta http-equiv="refresh" content="0;url=http://www.baidu.com/"></noscript>
</body>
</html>Post
如果要以POST發送一個請求，
urllib.request.urlopen(url,data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)
urlopen（）的data參數默認爲None，當data參數不爲空的時候，urlopen（）提交方式爲Post。
Post的數據必須是bytes或者iterable of bytes，不能是str，如果是str需要進行encode（）編碼
使用Request包裝請求
urllib.request.Request(url, data=None, headers={},
method=None)
使用request（）來包裝請求，再通過urlopen（）獲取頁面。
url= r'http://www.xxxxxxxxxxxxxxxx.com'
headers = {
'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
'Referer': r'http://www.xxxxxxxxxxxxxxxx.com',
'Connection': 'keep-alive'
}
req = request.Request(url, headers=headers)
page = request.urlopen(req).read()
page = page.decode('utf-8')- User-Agent ：這個頭部可以攜帶如下幾條信息：瀏覽器名和版本號、操作系統名和版本號、默認語言
- Referer：可以用來防止盜鏈，有一些網站圖片顯示來源http://***.com，就是檢查Referer來鑑定的
- Connection：表示連接狀態，記錄Session的狀態。