第一种请求头的方式
import urllib.requestfrom urllib import request, parseurl = ‘http://httpbin.org/post‘headers = { ???‘User-Agent‘: ‘Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)‘, ???‘Host‘: ‘httpbin.org‘}dict = { ???‘name‘: ‘zhaofan‘}data = bytes(parse.urlencode(dict), encoding=‘utf8‘)req = request.Request(url=url, data=data, headers=headers, method=‘POST‘)response = request.urlopen(req)print(response.read().decode(‘utf-8‘))第二种请求头的方式
from urllib import request, parseurl = ‘http://httpbin.org/post‘dict = { ???‘name‘: ‘Germey‘}data = bytes(parse.urlencode(dict), encoding=‘utf8‘)req = request.Request(url=url, data=data, method=‘POST‘)req.add_header(‘User-Agent‘, ‘Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)‘)response = request.urlopen(req)print(response.read().decode(‘utf-8‘)) ??#decode可以将结果格式化显示设置代理
通过rulllib.request.ProxyHandler()可以设置代理,
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,
所以这个时候需要通过设置代理来爬取数据
import urllib.requestproxy_handler = urllib.request.ProxyHandler({ ???‘http‘: ‘http://127.0.0.1:9743‘, ??# 访问哪个网站格式http，https选用其中对应的一哥 ???‘https‘: ‘https://127.0.0.1:9743‘})opener = urllib.request.build_opener(proxy_handler)response = opener.open(‘http://httpbin.org/get‘)print(response.read())cookie,HTTPCookiProcessor
cookie中保存中我们常见的登录信息，
有时候爬取网站需要携带cookie信息访问,
这里用到了http.cookijar，用于获取cookie以及存储cookie
import http.cookiejar, urllib.requestcookie = http.cookiejar.CookieJar()handler = urllib.request.HTTPCookieProcessor(cookie)opener = urllib.request.build_opener(handler)response = opener.open(‘http://www.baidu.com‘)for item in cookie: ???print(item.name+"="+item.value)
同时cookie可以写入到文件中保存，有两种方式http.cookiejar.MozillaCookieJar和http.cookiejar.LWPCookieJar()，当然你自己用哪种方式都可以
http.cookiejar.MozillaCookieJar()方式
import http.cookiejar, urllib.requestfilename = "cookie.txt"cookie = http.cookiejar.MozillaCookieJar(filename)handler = urllib.request.HTTPCookieProcessor(cookie)opener = urllib.request.build_opener(handler)response = opener.open(‘http://www.baidu.com‘)cookie.save(ignore_discard=True, ignore_expires=True)
http.cookiejar.LWPCookieJar()方式
import http.cookiejar, urllib.requestfilename = ‘cookie.txt‘cookie = http.cookiejar.LWPCookieJar(filename)handler = urllib.request.HTTPCookieProcessor(cookie)opener = urllib.request.build_opener(handler)response = opener.open(‘http://www.baidu.com‘)cookie.save(ignore_discard=True, ignore_expires=True)
同样的如果想要通过获取文件中的cookie获取的话可以通过load方式，
当然用哪种方式写入的，就用哪种方式读取。
import http.cookiejar, urllib.requestcookie = http.cookiejar.LWPCookieJar()cookie.load(‘cookie.txt‘, ignore_discard=True, ignore_expires=True)handler = urllib.request.HTTPCookieProcessor(cookie)opener = urllib.request.build_opener(handler)response = opener.open(‘http://www.baidu.com‘)print(response.read().decode(‘utf-8‘))
异常处理在很多时候我们通过程序访问页面的时候，有的页面可能会出现错误，类似404，500等错误这个时候就需要我们捕捉异常，下面先写一个简单的例子
from urllib import request,errortry: ???response = request.urlopen("http://pythonsite.com/1111.html")except error.URLError as e: ???print(e.reason)上述代码访问的是一个不存在的页面，通过捕捉异常，我们可以打印异常错误
这里我们需要知道的是在urllb异常这里有两个个异常错误：
URLError,HTTPError，HTTPError是URLError的子类
URLError里只有一个属性：reason,即抓异常的时候只能打印错误信息，类似上面的例子
HTTPError里有三个属性：code,reason,headers，即抓异常的时候可以获得code,reson，headers三个信息，例子如下：
from urllib import request,errortry: ???response = request.urlopen("http://pythonsite.com/1111.html")except error.HTTPError as e: ???print(e.reason, "error.HTTPError") ???print(e.code, "error.HTTPError") ???print(e.headers, "error.HTTPError")except error.URLError as e: ???print(e.reason,"error.URLError")else: ???print("reqeust successfully")同时，e.reason其实也可以在做深入的判断，例子如下：
import socketfrom urllib import error,requesttry: ???response = request.urlopen("http://www.pythonsite.com/",timeout=0.001) ?# 时间太短了except error.URLError as e: ???print(type(e.reason)) ???if isinstance(e.reason,socket.timeout): ???????print("time out")URL解析
urlparseThe URL parsing functions focus on splitting a URL string into its components, or on combining URL components into a URL string.urllib.parse.urlparse(urlstring, scheme=‘‘, allow_fragments=True)
功能一：
from urllib.parse import urlparseresult = urlparse("http://www.baidu.com/index.html;user?id=5#comment")print(result)这里就是可以对你传入的url地址进行拆分同时我们是可以指定协议类型：result = urlparse("www.baidu.com/index.html;user?id=5#comment",scheme="https")这样拆分的时候协议类型部分就会是你指定的部分，当然如果你的url里面已经带了协议，你再通过scheme指定的协议就不会生效
urlunparse
其实功能和urlparse的功能相反，它是用于拼接，例子如下
from urllib.parse import urlunparsedata = [‘http‘,‘www.baidu.com‘,‘index.html‘,‘user‘,‘a=123‘,‘commit‘]print(urlunparse(data)) ?#输出http://www.baidu.com/index.html;user?a=123#commit
urljoin
这个的功能其实是做拼接的，例子如下：
from urllib.parse import urljoin# print(urljoin(‘http://www.baidu.com‘, ‘FAQ.html‘))print(urljoin(‘http://www.baidu.com‘, ‘https://pythonsite.com/FAQ.html‘))print(urljoin(‘http://www.baidu.com/about.html‘, ‘https://pythonsite.com/FAQ.html‘))print(urljoin(‘http://www.baidu.com/about.html‘, ‘https://pythonsite.com/FAQ.html?question=2‘))print(urljoin(‘http://www.baidu.com?wd=abc‘, ‘https://pythonsite.com/index.php‘))print(urljoin(‘http://www.baidu.com‘, ‘?category=2#comment‘))print(urljoin(‘www.baidu.com‘, ‘?category=2#comment‘))print(urljoin(‘www.baidu.com#comment‘, ‘?category=2‘))
从拼接的结果我们可以看出，拼接的时候后面的优先级高于前面的url
urlencode
这个方法可以将字典转换为url参数，例子如下
from urllib.parse import urlencodeparams = { ???"name":"zhaofan", ???"age":23,}base_url = "http://www.baidu.com?"url = base_url+urlencode(params)print(url) ??# 输出结果为http://www.baidu.com?name=zhaofan&age=23urllib的各种方法
原文地址：https://www.cnblogs.com/cjj-zyj/p/10025957.html