python 爬虫之为什么使用opener对象以及为什么要创建全局默认的opener对象

 

基本的urlopen()函数不支持验证、cookie或其他HTTP高级功能。要支持这些功能，必须使用build_opener()函数来创建自己的自定义Opener对象。

install_opener(opener) 安装opener作为urlopen()使用的全局URL opener，即意味着以后调用urlopen()时都会使用安装的opener对象。opener通常是build_opener()创建的opener对象。

一些复杂情况详细解决办法：

1. cookie处理

如果要管理HTTP cookie，需要创建添加了HTTPCookieProcessor处理程序的opener对象。默认情况下。HTTPCookieProcessor使用CookieJar对象，将不同类型的CookieJar对象作为HTTPCookieProcessor的参数提供，可支持不同的cookie处理。如下面代码：

1	mcj=cookielib.MozillaCookieJar("cookies.txt")

2	cookiehand=HTTPCookieProcessor(mcj)

3	opener=urllib2.build_opener(cookiehand)

4	u=opener.open(http://www.baidu.com)

2. 代理

urllib2会自动检测代理设置，默认使用环境变量http_proxy 来设置 HTTP Proxy通常情况下，这是很有帮助的，因为也可能造成麻烦（因为通过代理获取本地URL资源时会被阻止，因此如果你正在通过代理访问Internet，那么使用脚本测试本地服务器时必须阻止urllib2模块使用代理）。因此，如果想在程序中明确Proxy的使用而不受环境变量的影响，可以通过创建ProxyHandler实例，并将实例作为build_opener()的参数来实现。如下面代码：

01	import urllib2

02

03	enable_proxy = True

04	proxy_handler = urllib2.ProxyHandler({"http" : 'http://some-proxy.com:8080'})

05	null_proxy_handler = urllib2.ProxyHandler({})

06

07	if enable_proxy:

08	opener = urllib2.build_opener(proxy_handler)

09

else:

10	opener = urllib2.build_opener(null_proxy_handler)

11

12	urllib2.install_opener(opener)

3. 一个简单的模拟登录例子：

view source

 

print?

01

#模拟登录

02	cj = cookielib.CookieJar()

03

#用户名和密码

04	post_data = urllib.urlencode({'username': '[nowamagic]', 'password': '[mypass]', 'pwd': '1'})

05

#登录路径

06	#path = 'http://www.xiaomi.com/pass/serviceLoginAuth2'

07	path = 'http://www.nowamagic.net/'

08	cookieHandle = urllib2.HTTPCookieProcessor(cj)

09	opener = urllib2.build_opener(cookieHandle)

10	#url = opener.open('http://www.baidu.com')

11	#page = url.read()

12

13	opener.addheaders = [('User-agent', 'Opera/9.23')]

14	urllib2.install_opener(opener)

15	req = urllib2.Request(path, post_data)

16	conn = urllib2.urlopen(req)

17	result = conn.geturl()

18	#print path

19	#message = {

20	#"header": conn.info(),

21	#"status": conn.getcode(),

22	#"url": conn.geturl(),

23

#}

24

25	self.render("nowamagic.html",message=result)