标签:dom app 复杂 logs 键值 信息 pat nec 地址
1 import urllib2 2 3 # 向指定的url发送请求,并返回服务器响应的类文件对象 4 response = urllib2.urlopen("http://www.baidu.com/") 5 6 # 类文件对象支持文件的操作方法,如read()方法返回为字符串 7 html = response.read() 8 9 print htm
上面代码就是打开百度主页的“查看源代码”的内容,还是比较简单的。
在上个例子里,urlopen()的参数就是一个url地址;
但是如果需要执行更复杂的操作,比如增加HTTP报头,必须创建一个 Request 实例来作为urlopen()的参数;而需要访问的url地址则作为 Request 实例的参数。
1 # -*- coding:utf-8 -*- 2 import urllib2 3 4 url = "http://www.baidu.com/" 5 6 # url 作为Request()方法的一个参数,并构造一个Request对象 7 request = urllib2.Request(url) 8 9 # Request对象作为urlopen()方法的参数,发给服务器响应 10 response = urllib2.urlopen(request) 11 12 html = response.read() 13 14 print html
与上面的运行时一样的
新建Request实例,除了必须要有 url 参数之外,还可以设置另外两个参数:
data(默认空):是伴随 url 提交的数据(比如要post的数据),同时 HTTP 请求将从 "GET"方式 改为 "POST"方式。
headers(默认空):是一个字典,包含了需要发送的HTTP报头的键值对。
爬虫需要伪装自己,伪装成公认的浏览器
1 # -*- coding:utf-8 -*- 2 import urllib2 3 4 url = "http://www.baidu.com/" 5 headers = {"User-Agent" : "User-Agent:Mozilla/5.0(compatible;MSIE9.0;Windows NT6.1;Trident/5.0)"} 6 7 8 # url和headers一起 作为Request()方法的参数,并构造一个Request对象 9 request = urllib2.Request(url, headers=headers) 10 11 # Request对象作为urlopen()方法的参数,发给服务器响应 12 response = urllib2.urlopen(request) 13 14 html = response.read() 15 16 print html
1 # -*- coding:utf-8 -*- 2 import urllib2 3 4 url = "http://www.baidu.com/" 5 headers = {"User-Agent" : "User-Agent:Mozilla/5.0(compatible;MSIE9.0;Windows NT6.1;Trident/5.0)"} 6 7 8 # url和headers一起 作为Request()方法的参数,并构造一个Request对象 9 request = urllib2.Request(url, headers=headers) 10 # 调用Request.add_header(),添加或者修改特定的header 11 request = add_header("Connectin", "keep-alive") 12 13 # Request对象作为urlopen()方法的参数,发给服务器响应 14 response = urllib2.urlopen(request) 15 16 html = response.read() 17 18 print html
1 import urllib2 2 import random 3 4 url = "http://www.itcast.cn" 5 6 ua_list = [ 7 "Mozilla/5.0 (Windows NT 6.1; ) Apple.... ", 8 "Mozilla/5.0 (X11; CrOS i686 2268.111.0)... ", 9 "Mozilla/5.0 (Macintosh; U; PPC Mac OS X.... ", 10 "Mozilla/5.0 (Macintosh; Intel Mac OS... " 11 ] 12 13 user_agent = random.choice(ua_list) 14 15 request = urllib2.Request(url) 16 17 #也可以通过调用Request.add_header() 添加/修改一个特定的header 18 request.add_header("User-Agent", user_agent) 19 20 # 第一个字母大写,后面的全部小写 21 request.get_header("User-agent") 22 23 response = urllib2.urlopen(request) 24 25 html = response.read() 26 print html
标签:dom app 复杂 logs 键值 信息 pat nec 地址
原文地址:http://www.cnblogs.com/cuzz/p/7641476.html