urllib2 是 Python2.7 自帶的子產品(不需要下載下傳,導入即可使用)。
urllib2庫的基本使用
所謂網頁抓取，就是把URL位址中指定的網絡資源從網絡流中讀取出來，儲存到本地。 在Python中有很多庫可以用來抓取網頁，我們先學習urllib2。urllib2 是 Python2.7 自帶的子產品(不需要下載下傳，導入即可使用)
urllib2 官方文檔：https://docs.python.org/2/library/urllib2.html
urllib2 源碼：https://hg.python.org/cpython/file/2.7/Lib/urllib2.py
urllib2 在 python3.x 中被改為urllib.request
urlopen
我們先來段代碼：# urllib2_urlopen.py
# 導入urllib2 庫
import urllib2
# 向指定的url發送請求，并傳回伺服器響應的類檔案對象
response = urllib2.urlopen("http://www.baidu.com")
# 類檔案對象支援 檔案對象的操作方法，如read()方法讀取檔案全部内容，傳回字元串
html = response.read()
# 列印字元串
print html
執行寫的python代碼，将列印結果[email protected] ~$: python urllib2_urlopen.py
實際上，如果我們在浏覽器上打開百度首頁， 右鍵選擇“檢視源代碼”，你會發現，跟我們剛才列印出來的是一模一樣。也就是說，上面的4行代碼就已經幫我們把百度的首頁的全部代碼爬了下來。
一個基本的url請求對應的python代碼真的非常簡單。
Request
在我們第一個例子裡，urlopen()的參數就是一個url位址；
但是如果需要執行更複雜的操作，比如增加HTTP報頭，必須建立一個 Request 執行個體來作為urlopen()的參數；而需要通路的url位址則作為 Request 執行個體的參數。
我們編輯urllib2_request.py# urllib2_request.py
import urllib2
# url 作為Request()方法的參數，構造并傳回一個Request對象
request = urllib2.Request("http://www.baidu.com")
# Request對象作為urlopen()方法的參數，發送給伺服器并接收響應
response = urllib2.urlopen(request)
html = response.read()
print html
運作結果是完全一樣的：建立Request執行個體，除了必須要有 url 參數之外，還可以設定另外兩個參數：
data（預設空）：是伴随 url 送出的資料（比如要post的資料），同時 HTTP 請求将從 "GET"方式 改為 "POST"方式。
headers（預設空）：是一個字典，包含了需要發送的HTTP報頭的鍵值對。
這兩個參數下面會說到。
User-Agent
但是這樣直接用urllib2給一個網站發送請求的話，确實略有些唐突了，就好比，人家每家都有門，你以一個路人的身份直接闖進去顯然不是很禮貌。而且有一些站點不喜歡被程式（非人為通路）通路，有可能會拒絕你的通路請求。
但是如果我們用一個合法的身份去請求别人網站，顯然人家就是歡迎的，是以我們就應該給我們的這個代碼加上一個身份，就是所謂的User-Agent頭。浏覽器 就是網際網路世界上公認被允許的身份，如果我們希望我們的爬蟲程式更像一個真實使用者，那我們第一步，就是需要僞裝成一個被公認的浏覽器。用不同的浏覽器在發送請求的時候，會有不同的User-Agent頭。 urllib2預設的User-Agent頭為：Python-urllib/x.y（x和y是Python主版本和次版本号,例如 Python-urllib/2.7）#urllib2_useragent.py
import urllib2
url = "http://www.itcast.cn"
#IE 9.0 的 User-Agent，包含在 ua_header裡
ua_header = {"User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"}
# url 連同 headers，一起構造Request請求，這個請求将附帶 IE9.0 浏覽器的User-Agent
request = urllib2.Request(url, headers = ua_header)
# 向伺服器發送這個請求
response = urllib2.urlopen(request)
html = response.read()
print html
添加更多的Header資訊
在 HTTP Request 中加入特定的 Header，來構造一個完整的HTTP請求消息。可以通過調用Request.add_header() 添加/修改一個特定的header 也可以通過調用Request.get_header()來檢視已有的header。
添加一個特定的header# urllib2_headers.py
import urllib2
url = "http://www.itcast.cn"
#IE 9.0 的 User-Agent
header = {"User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"}
request = urllib2.Request(url, headers = header)
#也可以通過調用Request.add_header() 添加/修改一個特定的header
request.add_header("Connection", "keep-alive")
# 也可以通過調用Request.get_header()來檢視header資訊
# request.get_header(header_name="Connection")
response = urllib2.urlopen(req)
print response.code #可以檢視響應狀态碼
html = response.read()
print html
随機添加/修改User-Agent# urllib2_add_headers.py
import urllib2
import random
url = "http://www.itcast.cn"
ua_list = [
"Mozilla/5.0 (Windows NT 6.1; ) Apple.... ",
"Mozilla/5.0 (X11; CrOS i686 2268.111.0)... ",
"Mozilla/5.0 (Macintosh; U; PPC Mac OS X.... ",
"Mozilla/5.0 (Macintosh; Intel Mac OS... "
]
user_agent = random.choice(ua_list)
request = urllib2.Request(url)
#也可以通過調用Request.add_header() 添加/修改一個特定的header
request.add_header("User-Agent", user_agent)
# 第一個字母大寫，後面的全部小寫
request.get_header("User-agent")
response = urllib2.urlopen(req)
html = response.read()
print html
以上就是Python如何安裝urllib2庫的詳細内容，更多請關注php中文網其它相關文章！
本文原創釋出php中文網，轉載請注明出處，感謝您的尊重！