urlopen 里面可以传递四个参数
urllib.urlopen(url[, data[, proxies[, context]]])
url 链接
data 传参
数据传送分为POST和GET两种方式，两种方式有什么区别呢？
最重要的区别是GET方式是直接以链接形式访问，链接中包含了所有的参数，当然如果包含了密码的话是一种不安全的选择，不过你可以直观地看到自己提交了什么内容。POST则不会在网址上显示所有的参数，不过如果你想直接查看提交了什么就不太方便了，大家可以酌情选择。
POST方式：
上面我们说了data参数是干嘛的？对了，它就是用在这里的，我们传送的数据就是这个参数data，下面演示一下POST方式。
1 import urllib2 import urllib23 ?4 values = {"username":"12222222qq.com","password":"XXXX"}5 data = urllib.urlencode(values)6 url = "https://passport.csdn.net/account/login?from=http://my.csdn.net/my/mycsdn"7 request = urllib2.Request(url,data)8 response = urllib2.urlopen(request)9 print response.read()GET方式：
至于GET方式我们可以直接把参数写到网址上面，直接构建一个带参数的URL出来即可。
import urllibimport urllib2 values={}values[‘username‘] = "12222222@qq.com"values[‘password‘]="XXXX"data = urllib.urlencode(values)url = "http://passport.csdn.net/account/login"geturl = url + "?"+datarequest = urllib2.Request(geturl)response = urllib2.urlopen(request)print response.read()构造之后的url
http://passport.csdn.net/account/login?username=12222222%40qq.com&password=XXXX
构造Request
其实上面的urlopen参数可以传入一个request请求,它其实就是一个Request类的实例，构造时需要传入Url,Data等等的内容。比如上面的两行代码，我们可以这么改写
1 import urllib22 ?3 request = urllib2.Request("http://www.baidu.com")4 response = urllib2.urlopen(request)5 print response.read()运行结果是完全一样的，只不过中间多了一个request对象，推荐大家这么写，因为在构建请求时还需要加入好多内容，通过构建一个request，服务器响应请求得到应答，这样显得逻辑上清晰明确。
设置Headers
有些网站会有反扒机制设置header模拟浏览器可以有效规避这一现象。
可以通过wireshark或者chrom获取浏览器发送的信息，其中agent就是请求的身份，如果没有写入请求身份，那么服务器不一定会响应，所以可以在headers中设置agent,例如下面的例子，这个例子只是说明了怎样设置的headers，小伙伴们看一下设置格式就好。
1 import urllib ??2 import urllib2 ??3 ??4 url = ‘http://www.server.com/login‘ 5 user_agent = ‘Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)‘ ??6 values = {‘username‘ : ‘cqc‘, ?‘password‘ : ‘XXXX‘ } ??7 headers = { ‘User-Agent‘ : user_agent } ??8 data = urllib.urlencode(values) ??9 request = urllib2.Request(url, data, headers) ?10 response = urllib2.urlopen(request) ?11 page = response.read()对付防盗链，服务器会识别headers中的referer是不是它自己，如果不是，有的服务器不会响应，所以我们还可以在headers中加入referer
1 headers = { ‘User-Agent‘ : ‘Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)‘ ,‘Referer‘:‘http://www.zhihu.com/articles‘ } ?在传送请求时把headers传入Request参数里，这样就能应付防盗链了。
另外headers的一些属性，下面的需要特别注意一下：
User-Agent : 有些服务器或 Proxy 会通过该值来判断是否是浏览器发出的请求
Content-Type : 在使用 REST 接口时，服务器会检查该值，用来确定 HTTP Body 中的内容该怎样解析。
application/xml ： 在 XML RPC，如 RESTful/SOAP 调用时使用
application/json ： 在 JSON RPC 调用时使用
application/x-www-form-urlencoded ： 浏览器提交 Web 表单时使用
在使用服务器提供的 RESTful 或 SOAP 服务时， Content-Type 设置错误会导致服务器拒绝服务
其他的有必要的可以审查浏览器的headers内容，在构建时写入同样的数据即可
Proxy（代理）的设置
urllib2 默认会使用环境变量 http_proxy 来设置 HTTP Proxy。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，网站君都不知道是谁在捣鬼了，这酸爽！
下面一段代码说明了代理的设置用法
1 import urllib22 enable_proxy = True3 proxy_handler = urllib2.ProxyHandler({"http" : ‘http://some-proxy.com:8080‘})4 null_proxy_handler = urllib2.ProxyHandler({})5 if enable_proxy:6 ????opener = urllib2.build_opener(proxy_handler)7 else:8 ????opener = urllib2.build_opener(null_proxy_handler)9 urllib2.install_opener(opener)urlopen 同样可以使用匿名代理。
1 # Use http://www.someproxy.com:3128 for HTTP proxying2 proxies = {‘http‘: ‘http://www.someproxy.com:3128‘}3 filehandle = urllib.urlopen(some_url, proxies=proxies)4 # Don‘t use any proxies5 filehandle = urllib.urlopen(some_url, proxies={})6 # Use proxies from environment - both versions are equivalent7 filehandle = urllib.urlopen(some_url, proxies=None)8 filehandle = urllib.urlopen(some_url)指定代理和使用系统默认代理：
1 >>> import urllib2 >>> proxies = {‘http‘: ‘http://proxy.example.com:8080/‘}3 >>> opener = urllib.FancyURLopener(proxies)4 >>> f = opener.open("http://www.python.org")5 >>> f.read()1 >>> import urllib2 >>> opener = urllib.FancyURLopener({})3 >>> f = opener.open("http://www.python.org/")4 >>> f.read()Timeout 设置
1 import urllib22 response = urllib2.urlopen(‘http://www.baidu.com‘, timeout=10)
1 import urllib22 response = urllib2.urlopen(‘http://www.baidu.com‘,data, 10)
SSL
1 import socket, ssl 2 ?3 context = ssl.SSLContext(ssl.PROTOCOL_TLSv1) 4 context.verify_mode = ssl.CERT_REQUIRED 5 context.check_hostname = True 6 context.load_default_certs() 7 ?8 s = socket.socket(socket.AF_INET, socket.SOCK_STREAM) 9 ssl_sock = context.wrap_socket(s, server_hostname=‘www.verisign.com‘)10 ssl_sock.connect((‘www.verisign.com‘, 443))
https://docs.python.org/2/library/urllib.html#urllib.urlencode
使用 HTTP 的 PUT 和 DELETE 方法
http协议有六种请求方法，get,head,put,delete,post,options，我们有时候需要用到PUT方式或者DELETE方式请求。
PUT：这个方法比较少见。HTML表单也不支持这个。本质上来讲， PUT和POST极为相似，都是向服务器发送数据，但它们之间有一个重要区别，PUT通常指定了资源的存放位置，而POST则没有，POST的数据存放位置由服务器自己决定。
DELETE：删除某一个资源。基本上这个也很少见，不过还是有一些地方比如amazon的S3云服务里面就用的这个方法来删除资源。
如果要使用 HTTP PUT 和 DELETE ，只能使用比较低层的 httplib 库。虽然如此，我们还是能通过下面的方式，使 urllib2 能够发出 PUT 或DELETE 的请求，不过用的次数的确是少，在这里提一下。
1 import urllib22 request = urllib2.Request(uri, data=data)3 request.get_method = lambda: ‘PUT‘ # or ‘DELETE‘4 response = urllib2.urlopen(request)
使用DebugLog
类似wireshark和 调试工具 可以将发送的交互包显示出来。
1 import urllib22 httpHandler = urllib2.HTTPHandler(debuglevel=1)3 httpsHandler = urllib2.HTTPSHandler(debuglevel=1)4 opener = urllib2.build_opener(httpHandler, httpsHandler)5 urllib2.install_opener(opener)6 response = urllib2.urlopen(‘http://www.baidu.com‘)
other functuons
urllib.quote(string[, safe])
1 ?>>> urllib.quote(‘https://docs.python.org/2/library/urllib.html#urllib.urlencode‘)2 ?‘https%3A//docs.python.org/2/library/urllib.html%23urllib.urlencode‘3 ?>>> urllib.quote_plus(‘https://docs.python.org/2/library/urllib.html#urllib.urlencode‘)4 ?‘https%3A%2F%2Fdocs.python.org%2F2%2Flibrary%2Furllib.html%23urllib.urlencode‘5 ?>>> urllib.quote_plus(‘https://docs.python.org/2/library/urllib.html#urllib.urlencode‘,‘/‘)6 ?‘https%3A//docs.python.org/2/library/urllib.html%23urllib.urlencode‘7 ?>>> urllib.unquote(‘https%3A//docs.python.org/2/library/urllib.html%23urllib.urlencode‘)8 ?‘https://docs.python.org/2/library/urllib.html#urllib.urlencode‘
1 100：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。 2 ?3 101： 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。 4 ?5 102：继续处理 ??由WebDAV（RFC 2518）扩展的状态码，代表处理将被继续执行。 6 ?7 200：请求成功 ?????处理方式：获得响应的内容，进行处理 8 ?9 201：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10 11 202：请求被接受，但处理尚未完成 ???处理方式：阻塞等待12 13 204：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14 15 300：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16 301：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URL17 18 302：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URL19 20 304：请求的资源未更新 ????处理方式：丢弃21 22 400：非法请求 ????处理方式：丢弃23 24 401：未授权 ????处理方式：丢弃25 26 403：禁止 ????处理方式：丢弃27 28 404：没有找到 ????处理方式：丢弃29 30 500：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。31 32 501：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。33 34 502：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。35 36 503：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。
HTTPError实例产生后会有一个code属性，这就是是服务器发送的相关错误号。
因为urllib2可以为你处理重定向，也就是3开头的代号可以被处理，并且100-299范围的号码指示成功，所以你只能看到400-599的错误号码。
下面我们写一个例子来感受一下，捕获的异常是HTTPError，它会带有一个code属性，就是错误代号，另外我们又打印了reason属性，这是它的父类URLError的属性。
1 import urllib22 ?3 req = urllib2.Request(‘http://blog.csdn.net/cqcre‘)4 try:5 ????urllib2.urlopen(req)6 except urllib2.HTTPError, e:7 ????print e.code8 ????print e.reason
运行结果：
1 4032 Forbidden
错误代号是403，错误原因是Forbidden，说明服务器禁止访问。
我们知道，HTTPError的父类是URLError，根据编程经验，父类的异常应当写到子类异常的后面，如果子类捕获不到，那么可以捕获父类的异常，所以上述的代码可以这么改写
1 import urllib2 2 ??3 req = urllib2.Request(‘http://blog.csdn.net/cqcre‘) 4 try: 5 ????urllib2.urlopen(req) 6 except urllib2.HTTPError, e: 7 ????print e.code 8 except urllib2.URLError, e: 9 ????print e.reason10 else:11 ????print "OK"
如果捕获到了HTTPError，则输出code，不会再处理URLError异常。如果发生的不是HTTPError，则会去捕获URLError异常，输出错误原因。
另外还可以加入 hasattr属性提前对属性进行判断，代码改写如下
1 import urllib2 2 ??3 req = urllib2.Request(‘http://blog.csdn.net/cqcre‘) 4 try: 5 ????urllib2.urlopen(req) 6 except urllib2.URLError, e: 7 ????if hasattr(e,"code"): 8 ????????print e.code 9 ????if hasattr(e,"reason"):10 ????????print e.reason11 else:12 ????print "OK"
urllib 进阶
原文地址：http://www.cnblogs.com/zjbh/p/7736289.html