本文共计1381个文字，预计阅读时间需要6分钟。

`urllib` 库是 Python 中一个基础的网页请求库。它可以模拟浏览器行为，向指定的服务器发送请求，并保存服务器的响应数据。`urlopen` 函数：在 Python 3 的 `urllib` 库中，`urlopen` 函数用于打开一个 URL，并返回一个可以读取响应内容的对象。

urllib库

urllib库是Python中一个最基本的网络请求库。可以模拟浏览器的行为，向指定的服务器发送一个请求，并可以保存服务器返回的数据。

urlopen函数：

在Python3的urllib库中，所有和网络请求相关的方法，都被集到urllib.request模块下面了，以先来看下urlopen函数基本的使用：

from urllib import request resp = request.urlopen(‘www.baidu.com‘) print(resp.read())

实际上，使用浏览器访问百度，右键查看源代码。你会发现，跟我们刚才打印出来的数据是一模一样的。也就是说，上面的三行代码就已经帮我们把百度的首页的全部代码爬下来了。一个基本的url请求对应的python代码真的非常简单。
以下对urlopen函数的进行详细讲解：

1. url：请求的url。
2. data：请求的data，如果设置了这个值，那么将变成post请求。
3. 返回值：返回值是一个www.baidu.com/‘,‘baidu.html‘)

   urlencode函数：

   用浏览器发送请求的时候，如果url中包含了中文或者其他特殊字符，那么浏览器会自动的给我们进行编码。而如果使用代码发送请求，那么就必须手动的进行编码，这时候就应该使用urlencode函数来实现。urlencode可以把字典数据转换为URL编码的数据。示例代码如下：

   from urllib import parse data = {‘name‘:‘爬虫基础‘,‘greet‘:‘hello world‘,‘age‘:100} qs = parse.urlencode(data) print(qs)

   parse_qs函数：

   可以将经过编码后的url参数进行解码。示例代码如下：

   from urllib import parse qs = "name=%E7%88%AC%E8%99%AB%E5%9F%BA%E7%A1%80&greet=hello+world&age=100" print(parse.parse_qs(qs))

   urlparse和urlsplit：

   有时候拿到一个url，想要对这个url中的各个组成部分进行分割，那么这时候就可以使用urlparse或者是urlsplit来进行分割。示例代码如下：

   from urllib import request,parse url = ‘www.baidu.com/s?username=zhiliao‘ result = parse.urlsplit(url) # result = parse.urlparse(url) print(‘scheme:‘,result.scheme) print(‘netloc:‘,result.netloc) print(‘path:‘,result.path) print(‘query:‘,result.query)

   urlparse和urlsplit基本上是一模一样的。唯一不一样的地方是，urlparse里面多了一个params属性，而urlsplit没有这个params属性。比如有一个url为：url = ‘www.baidu.com/s;hello?wd=python&username=abc#1‘，
   那么urlparse可以获取到hello，而urlsplit不可以获取到。url中的params也用得比较少。

   request.Request类：

   如果想要在请求的时候增加一些请求头，那么就必须使用request.Request类来实现。比如要增加一个User-Agent，示例代码如下：

   from urllib import request headers = { ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36‘ } req = request.Request("www.baidu.com/",headers=headers) resp = request.urlopen(req) print(resp.read())

   内涵段子爬虫实战作业：

   1. url链接：neihanshequ.com/bar/1/
   2. 要求：能爬取一页的数据就可以了。

   ProxyHandler处理器（代理设置）

   很多网站会检测某一段时间某个IP的访问次数(通过流量统计，系统日志等)，如果访问次数多的不像正常人，它会禁止这个IP的访问。
   所以我们可以设置一些代理服务器，每隔一段时间换一个代理，就算IP被禁止，依然可以换个IP继续爬取。
   urllib中通过ProxyHandler来设置使用代理服务器，下面代码说明如何使用自定义opener来使用代理：

   from urllib import request # 这个是没有使用代理的 # resp = request.urlopen(‘www.xicidaili.com/

4. 快代理：www.kuaidaili.com/
5. 代理云：www.dailiyun.com/

什么是cookie：

在网站中，hdn.xnimg.cn/photos/hdn121/20170428/1700/main_nhiB_aebd0000854a1986.jpg; t=3dd84a3117737e819dd2c32f1cdb91d01; societyguester=3dd84a3117737e819dd2c32f1cdb91d01; id=443362311; xnsid=169efdc0; loginfrom=syshome; ch_id=10016; jebe_key=9c062f5a-4335-4a91-bf7a-970f8b86a64e%7Ca022c303305d1b2ab6b5089643e4b5de%7C1511449232839%7C1; wp_fold=0‘ } url = ‘www.renren.com/880151247/profile‘ req = request.Request(url,headers=headers) resp = request.urlopen(req) with open(‘renren.html‘,‘w‘) as fp: fp.write(resp.read().decode(‘utf-8‘))

但是每次在访问需要cookie的页面都要从浏览器中复制cookie比较麻烦。在Python处理Cookie，一般是通过www.renren.com/PLogin.do" req = request.Request(login_url, headers=headers, data=data) opener.open(req) def visit_profile(opener): url = ‘www.renren.com/880151247/profile‘ req = request.Request(url,headers=headers) resp = opener.open(req) with open(‘renren.html‘,‘w‘) as fp: fp.write(resp.read().decode("utf-8")) if __name__ == ‘__main__‘: opener = get_opener() login_renren(opener) visit_profile(opener)

保存cookie到本地：

保存cookie到本地，可以使用cookiejar的save方法，并且需要指定一个文件名：

from urllib import request from httpbin.org/cookies‘,headers=headers) resp = opener.open(req) print(resp.read())