python爬虫1——python发送get、post请求、实现代理、保存cookie

向右看齐 2022-05-09 03:12 526阅读 0赞

**目录**

一、urlopen方式

二、增加Handler处理器

三、ProxyHandler处理器（代理设置）

--------------------

python2.7版本，通过urllib2发出请求一般有get、post方式发出请求

## 一、urlopen方式 ##

get方式：

response = urllib2.urlopen("http://www.baidu.com/")

post方式：

\# 先定义data数据：

formdata = {
    "i" : key,
    "from" : "AUTO",
    "to" : "AUTO",
    "smartresult" : "dict",
    "client" : "fanyideskweb",
    "salt" : "1535282666662",
    "sign" : "56f66a3bb35e823a23b1d3f9476ee32c",
    "doctype" : "json",
    "version" : "2.1",
    "keyfrom" : "fanyi.web",
    "action" : "FY_BY_REALTIME",
    "typoResult" : "false"
    }

# 经过urlencode转码
    data = urllib.urlencode(formdata)

\# 再通过Request方法发送请求

request = urllib2.Request(url, data = data, headers = headers)

urllib2.urlopen(request)

## 二、增加`Handler处理器`  ##

实际上urlopen是一个特殊的opener（也就是模块帮我们构建好的）；但是urlopen不支持代理，也不支持cookie，要支持这些功能，需要：

1.  使用相关的 `Handler处理器` 来创建特定功能的处理器对象；
2.  然后通过 `urllib2.build_opener()`方法使用这些处理器对象，创建自定义opener对象；
3.  使用自定义的opener对象，调用`open()`方法发送请求。

当要将自定义的opener设定为全局变量时，可以使用`urllib2.install_opener()` 将自定义的 opener 对象 定义为 全局opener。

urllib2.install_opener(opener)

示例代码：

import urllib2
    
    # 构建一个HTTPHandler 处理器对象，支持处理HTTP请求
    http_handler = urllib2.HTTPHandler()
    
    # 构建一个HTTPHandler 处理器对象，支持处理HTTPS请求
    # http_handler = urllib2.HTTPSHandler()
    
    # 调用urllib2.build_opener()方法，创建支持处理HTTP请求的opener对象
    opener = urllib2.build_opener(http_handler)
    
    # 构建 Request请求
    request = urllib2.Request("http://www.baidu.com/")
    
    # 调用自定义opener对象的open()方法，发送request请求
    response = opener.open(request)
    
    # 获取服务器响应内容
    print response.read()

如果在 HTTPHandler()增加 `debuglevel=1`参数，还会将 Debug Log 打开，这样程序在执行的时候，会把收包和发包的报头在屏幕上自动打印出来，方便调试，有时可以省去抓包的工作。

# 构建一个HTTPHSandler 处理器对象，支持处理HTTPS请求，同时开启Debug Log，debuglevel 值默认 0
    https_handler = urllib2.HTTPSHandler(debuglevel=1)

## 三、ProxyHandler处理器（代理设置） ##

通过这个处理器可以设置一些代理服务器

设置如下：

httpproxy_handler = urllib2.ProxyHandler({"http" : "124.88.67.81:80"})

request = urllib2.Request("http://www.baidu.com/")
    
    # 1. 如果这么写，只有使用opener.open()方法发送请求才使用自定义的代理，而urlopen()则不使用自定义代理。
    response = opener.open(request)

四、处理cookie

Cookie 是指某些网站服务器为了辨别用户身份和进行Session跟踪，而储存在用户浏览器上的文本文件，Cookie可以保持登录信息到用户下次与服务器的会话。

cookie的相关参数：

Cookie名字（Name）
    Cookie的值（Value）
    Cookie的过期时间（Expires/Max-Age）
    Cookie作用路径（Path）
    Cookie所在域名（Domain），
    使用Cookie进行安全连接（Secure）。

前两个字段是cookie必须的，还有一个属性是size

cookie的基本格式：

Set－Cookie: NAME=VALUE；Expires=DATE；Path=PATH；Domain=DOMAIN\_NAME；SECURE

示例代码：

# 获取一个有登录信息的Cookie模拟登陆
    
    import urllib2
    
    # 1. 构建一个已经登录过的用户的headers信息
    headers = {
        "Host":"www.renren.com",
        "Connection":"keep-alive",
        "Upgrade-Insecure-Requests":"1",
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36",
        "Accept":"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",
        "Accept-Language":"zh-CN,zh;q=0.8,en;q=0.6",
    
        # 便于终端阅读，表示不支持压缩文件
        # Accept-Encoding: gzip, deflate, sdch,
    
        # 重点：这个Cookie是保存了密码无需重复登录的用户的Cookie，这个Cookie里记录了用户名，密码(通常经过RAS加密)
        "Cookie": "anonymid=ixrna3fysufnwv; depovince=GW; _r01_=1; JSESSIONID=abcmaDhEdqIlM7riy5iMv; jebe_key=f6fb270b-d06d-42e6-8b53-e67c3156aa7e%7Cc13c37f53bca9e1e7132d4b58ce00fa3%7C1484060607478%7C1%7C1484060607173; jebecookies=26fb58d1-cbe7-4fc3-a4ad-592233d1b42e|||||; ick_login=1f2b895d-34c7-4a1d-afb7-d84666fad409; _de=BF09EE3A28DED52E6B65F6A4705D973F1383380866D39FF5; p=99e54330ba9f910b02e6b08058f780479; ap=327550029; first_login_flag=1; ln_uact=mr_mao_hacker@163.com; ln_hurl=http://hdn.xnimg.cn/photos/hdn521/20140529/1055/h_main_9A3Z_e0c300019f6a195a.jpg; t=214ca9a28f70ca6aa0801404dda4f6789; societyguester=214ca9a28f70ca6aa0801404dda4f6789; id=327550029; xnsid=745033c5; ver=7.0; loginfrom=syshome"
    }
    
    # 2. 通过headers里的报头信息（主要是Cookie信息），构建Request对象
    urllib2.Request("http://www.renren.com/", headers = headers)
    
    # 3. 直接访问renren主页，服务器会根据headers报头信息（主要是Cookie信息），判断这是一个已经登录的用户，并返回相应的页面
    response = urllib2.urlopen(request)
    
    # 4. 打印响应内容
    print response.read()

总结：

1，urlopen为系统内置的opener，不能处理代理、cookie；

2，通过ProxyHandler处理器可以设置代理；

3，在header中设置cookie，并通过

urllib2.Request("http://www.baidu.com/", headers = headers)

设置，即可处理cookie