54. Python 爬虫（3）
- 2020 年 1 月 3 日
- 筆記
【基于python3的版本】
rllib下载：
当不知道urlretrieve方法，写法如下：
from urllib import request url = "http://inews.gtimg.com/newsapp_match/0/2711870562/0" req = request.Request(url) res = request.urlopen(req) text = res.read() with open("2.jpg", "wb") as f: f.write(text)
知道urlretrieve方法后，如下：
from urllib import request url = "http://inews.gtimg.com/newsapp_match/0/2711870562/0" request.urlretrieve(url, "1.jpg")
urllib的代理（对比Requests的代理方法）：
from urllib import request, parse data = { 'first': 'true', 'pn': 1, 'kd': 'Python' } url = 'http://2017.ip138.com/ic.asp' # 设置proxy proxy = request.ProxyHandler({'http': '223.241.78.186:8010'}) # 挂载opener opener = request.build_opener(proxy) # 安装opener request.install_opener(opener) data = parse.urlencode(data).encode('utf-8') page = opener.open(url, data).read() print(type(page)) print(page.decode("gbk"))
结果：
urllib的cookie使用：
如果已经知道cookie，或者说你是通过抓包获取到的cookie，直接放在header的信息中直接登陆就可以；
登陆京东网站的cookie信息和不登录京东的cookie信息是不一样的，你可以登录京东以后，抓取cookie的信息，然后访问任何网站就可以了。
import urllib.request url = "http://www.jd.com" header = {"user-agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36", "cookie": "xxxxxxxxx(登录过得用户cookie)" } req = urllib.request.Request(url=url, headers=header) res = urllib.request.urlopen(req) text = res.read().decode("utf-8") print (text)
执行结果：
学习：
urllib的cookie相关的类
在python2中cookie的类叫做：import cookielib
在python3中cookie的类叫做：import http.cookiejar
opener的概念
当你获取一个URL你使用一个opener(一个urllib2.OpenerDirector的实例)。在前面，我们都是使用的默认的opener，也就是urlopen。
urlopen是一个特殊的opener，可以理解成opener的一个特殊实例，传入的参数仅仅是url，data，timeout。
如果我们需要用到Cookie，只用这个opener是不能达到目的的，所以我们需要创建更一般的opener来实现对Cookie的设置。
终端输出cookie对象
import urllib.request import http.cookiejar url = "http://www.hao123.com" req = urllib.request.Request(url) cookieh = http.cookiejar.CookieJar() #保存了cookie对象 handler = urllib.request.HTTPCookieProcessor(cookieh) #绑定请求，也就是说在一次请求中，只要你进行访问，他就会保存下来你的cookie信息 opener = urllib.request.build_opener(handler) r = opener.open(req) print(cookieh)
打印cookie对象：
<CookieJar[<Cookie BAIDUID=E9770FE732D04AB585E90684F0E307ED:FG=1 for .hao123.com/>, <Cookie hz=0 for .www.hao123.com/>, <Cookie ft=1 for www.hao123.com/>, <Cookie v_pg=normal for www.hao123.com/>]>
将Cookie保存到文件中：
import urllib.request import http.cookiejar url = "http://www.hao123.com" req = urllib.request.Request(url) cookieFileName = "cookie.txt" #文件cookie cookieh = http.cookiejar.MozillaCookieJar(cookieFileName) handler = urllib.request.HTTPCookieProcessor(cookieh) opener = urllib.request.build_opener(handler) r = opener.open(req) print(cookieh) cookieh.save()
执行：
保存在了文件cookie.txt中
Cookie从文件中读取cookie信息并访问：
import urllib.request import http.cookiejar cookie_filename = 'cookie.txt' cookie = http.cookiejar.MozillaCookieJar(cookie_filename) cookie.load(cookie_filename, ignore_discard=True, ignore_expires=True) print(cookie) url = "http://www.hao123.com" req = urllib.request.Request(url) handler = urllib.request.HTTPCookieProcessor(cookie) opener = urllib.request.build_opener(handler) # 利用urllib2的build_opener方法创建一个opener response = opener.open(req) print(response.read().decode("utf-8"))#解决乱码的问题
