urllib 学习二

编码解码:

python2 用法：
    urllib.urlencode()   编码
　　 urlparse.parse_qs()　　解码


python3 用法：
　　urllib.parse.urlencode() 编码 
　　urllib.parse.parse_qs() 解码

作用：
    1）把字典数据转化成URL编码
    2）用途
        a)对URL参数进行编码
        b)对post上去的form数据进行编码

示例

#python2.x

import urllib
import urlparse

def urlencode():
    params = {'score': 100, 'name': '爬虫基础', 'comment': 'very good'}
    qs = urllib.urlencode(params)     ###编码
    print(qs)
    unqs = urlparse.parse_qs(qs)               ##解码
    print unqs
if __name__ == '__main__':
    urlencode()

#python3.x

import urllib
import urllib.parse

def urlencode():
    params = {'score': 100, 'name': '爬虫基础', 'comment': 'very good'}
    qs = urllib.parse.urlencode(params)     ###编码
    print(qs)
    unqs = urllib.parse.urlparse(qs)               ##解码
    print (unqs)
if __name__ == '__main__':
    urlencode()

结果：

python2.x


urllib2中的两个重要概念：Openers和Handlers

  1.Openers：
        当你获取一个URL你使用一个opener(一个urllib2.OpenerDirector的实例)。
        正常情况下，我们使用默认opener：通过urlopen。
        但你能够创建个性的openers。

    2.Handles：
        openers使用处理器handlers，所有的“繁重”工作由handlers处理。
        每个handlers知道如何通过特定协议打开URLs，或者如何处理URL打开时的各个方面。例如HTTP重定向或者HTTP cookies。

实例：

　　 import http.cookiejar
    import urllib2
    def cookies():
         cookejar = http.cookiejar.CookieJar()
         hadler = urllib.request.HTTPCookieProcessor(cookiejar=cookejar)
         opener = urllib.request.build_opener(hadler,urllib.request.HTTPHandler(debuglevel=1))  #####打印调试信息
         s = opener.open("http://www.douban.com")
         print (s.read(100))
         s.close()
         print ('=' * 80)
         print (cookejar._cookies)
         print ("=" * 80)
         s = opener.open("http://www.douban.com")
         s.close()
    
    cookies()

urllib2.Request

自定制headers

# -*- coding: utf-8 -*-
    import urllib2

    def request():
        # 定制 HTTP 头
        headers = {'User-Agent': 'Mozilla/5.0', 'x-my-header': 'my value'}  #在http里面自定义的头一般是x开头的
        req = urllib2.Request('http://blog.kamidox.com', headers=headers)  #创建一个请求
        s = urllib2.urlopen(req)   　　　　　　　　　　　#打开这个请求，urlopen不仅仅可以接受一个网址作为参数，也可以接受request作为它的对象
        print(s.read(100))
        s.close()

    if __name__ == '__main__':
        request()

urllib2.bulid-opener

    可以让我们去定制这个http的行为

    1）BeseHandler及其子类

        BeseHandler是所有HTTPHandler的父类

        a.HTTPHandler（处理http请求的）

        b.HTTPSHandler（处理安全链接的请求）

        c.HTTPCookieProcessor（处理cookie的请求）

    2）bulid-opener

        a.返回Handler列表，会把这个Handler都给它串起来，串起来以后，就类似于我们管道一样，当http请求应答回来的时候，它会流经这个Handler，让这个里面每一个Handler去处理不同的东西

        b.返回OpenerDirector，这个参数很重要的方法就是open，这个open就是要去打开这个远程的链接去处理这个数

    3）默认会创建的Handler链

        Handler的链，实际上是一个Handler的数组，在调用这个urlOpener的时候，它默认的时候会是以下的链表，也就是，它会默认的把这个链表给你创建起来

        a.ProxyHandler（如果设置了代理）

        b.UnknownHandler（不知道什么协议的时候，它会去调）

        d.HTTPHandler（处理http的请求）

        c.HTTPDefaultEorrorHandler（处理错误的请求）

        d.HTTPRedirectHandler（处理跳转，比如http出现301,302这种应答码的时候）

        e.FTPHandler（可以去支持FTP的协议）

        f.FileHandler（可以支持本地的文件打开）

        g.HTTPEorrorProcessor（可以去处理http的错误）

        e.HTTPSHandler（如果安装了ssl模块）

实例：

# -*- coding: utf-8 -*-
        import urllib2
        import urllib

        def request_post_debug():
            # POST
            data = {'username': 'kamidox', 'password': 'xxxxxxxx'}   ##数据体
            # headers = {'User-Agent': 'Mozilla/5.0', 'Content-Type': 'plain/text'}
            headers = {'User-Agent': 'Mozilla/5.0'}   ###定制的头
            req = urllib2.Request('http://www.douban.com', data=urllib.urlencode(data), headers=headers)  //创建一个请求，这个请求是发送给豆瓣
            opener = urllib2.build_opener(urllib2.HTTPHandler(debuglevel=1))  ##创建一个open打开器，如果不传参数，它就是给你传系统默认的Handler，如果我们传了参数给它，如果系统里面默认有的它就去去替换掉，如果系统没有它就去去添加
            s = opener.open(req)        ###用这个open去打开这个请求
            print(s.read(100))          ###打印前面100个字节
        s.close()

        if __name__ == '__main__':
            Request_post_debug()

如果我创建了一个opener，那我后面的函数还想用该怎么办呢？怎么将这个opener保存起来呢？

保存opener为默认

            1.urllib2.install_opener （我们可以把创建处理的opener，给它保存到urllib2这个库里面，调用urllib2的时候，就会直接去下载安装这个opener了）

            2.示例：install_debug_opener

示例：

 # -*- coding: utf-8 -*-
            import urllib2

            def request():
                # 定制 HTTP 头
                headers = {'User-Agent': 'Mozilla/5.0', 'x-my-header': 'my value'}
                req = urllib2.Request('http://blog.kamidox.com', headers=headers)
                s = urllib2.urlopen(req)
                print(s.read(100))
                print(req.headers)
            s.close()

            def request_post_debug():
                # POST
                data = {'username': 'kamidox', 'password': 'xxxxxxxx'}
                # headers = {'User-Agent': 'Mozilla/5.0', 'Content-Type': 'plain/text'}
                headers = {'User-Agent': 'Mozilla/5.0'}
                req = urllib2.Request('http://www.douban.com', data=urllib.urlencode(data), headers=headers)
                opener = urllib2.build_opener(urllib2.HTTPHandler(debuglevel=1))
                s = opener.open(req)
                print(s.read(100))
            s.close()

            def install_debug_handler():
                opener = urllib2.build_opener(urllib2.HTTPHandler(debuglevel=1),
                                              urllib2.HTTPSHandler(debuglevel=1))
                                              ##这里能处理HTTP协议和HTTPS协议

                urllib2.install_opener(opener)   ##将Handler安装到系统默认区，要打开的就是我们这里要安装的opener

            if __name__ == '__main__':
                install_debug_handler()
            request()

Cookies

1）cookieillib.CookieJar

  提供解析并保存cookie的接口，因为cookie有些有生命周期，还有很多参数，这个类就是提供这些cookie的处理。

2）HTTPCookieProcessor

  提供自动处理cookie的功能，它的父类也是BeseHandler，所以我们可以把这个cookie串起来，这样就可以处理一些信息。

示例：handle_cookies

# -*- coding: utf-8 -*-
        import urllib2

        def handle_cookie():  　　　　　　　　　　#先定义一个处理cookie的信息
            cookiejar = cookielib.CookieJar()  ##先串联一个CookieJar的对象
            handler = urllib2.HTTPCookieProcessor(cookiejar=cookiejar)  ##创建一个HTTPCookieProcessor的对象，传入一个参数CookieJar进去

            ##还需要创建一个新的handler，打印出它的调试信息
            opener = urllib2.build_opener(handler, urllib2.HTTPHandler(debuglevel=1))
            s = opener.open('http://www.douban.com')
            print(s.read(100))
            s.close()
        if __name__ == '__main__':
            handle_cookie()

运行结果，这个应答里面有一个set_cookie，有一个bid


在收到这个请求之后，我们的CookieJar，包含这些服务器返回的cookie，我们可以把它打印出来。代码如下：

# -*- coding: utf-8 -*-
        import urllib2

        def handle_cookie():            ##先定义一个处理cookie的信息
            cookiejar = cookielib.CookieJar()  ##先串联一个CookieJar的对象
            handler = urllib2.HTTPCookieProcessor(cookiejar=cookiejar)  ##创建一个HTTPCookieProcessor的对象，传入一个参数CookieJar进去
            opener = urllib2.build_opener(handler, urllib2.HTTPHandler(debuglevel=1))###还需要创建一个新的handler，打印出它的调试信息
            s = opener.open('http://www.douban.com')
            print(s.read(100))
            s.close()
            print('=' * 80)
            print(cookiejar._cookies)  ###这个属性就是服务器所有的cookie
            print('=' * 80)

        if __name__ == '__main__':
            handle_cookie()

opener实际上是带着这些cookie信息的，那我下次再发一个请求过去的时候，它会把这个cookie也发送过去。