urllib2 是 Python2.7 自带的模块(不须要下载,导入即可运用)。
urllib2库的基础运用
所谓网页抓取，就是把URL地点中指定的收集资源从收集流中读取出来，保存到当地。 在Python中有许多库能够用来抓取网页，我们先进修urllib2。
urllib2 是 Python2.7 自带的模块(不须要下载，导入即可运用) urllib2 官方文档：https://docs.python.org/2/library/urllib2.html urllib2 源码：https://hg.python.org/cpython/file/2.7/Lib/urllib2.py
urllib2 在 python3.x 中被改成urllib.request
urlopen
我们先来段代码：
# urllib2_urlopen.py
# 导入urllib2 库
import urllib2
# 向指定的url发送要求，并返回服务器相应的类文件对象
response = urllib2.urlopen("http://www.baidu.com")
# 类文件对象支撑 文件对象的操纵要领，如read()要领读取文件悉数内容，返回字符串
html = response.read()
# 打印字符串
print html
实行写的python代码，将打印效果
Power@PowerMac ~$: python urllib2_urlopen.py
实际上，假如我们在浏览器上翻开百度主页， 右键挑选“检察源代码”，你会发明，跟我们适才打印出来的是如出一辙。也就是说，上面的4行代码就已帮我们把百度的首页的悉数代码爬了下来。
一个基础的url要求对应的python代码真的异常简朴。
Request
在我们第一个例子里，urlopen()的参数就是一个url地点；
然则假如须要实行更庞杂的操纵，比方增添HTTP报头，必需建立一个 Request 实例来作为urlopen()的参数；而须要接见的url地点则作为 Request 实例的参数。
我们编辑urllib2_request.py
# urllib2_request.py
import urllib2
# url 作为Request()要领的参数，组织并返回一个Request对象
request = urllib2.Request("http://www.baidu.com")
# Request对象作为urlopen()要领的参数，发送给服务器并吸收相应
response = urllib2.urlopen(request)
html = response.read()
print html
运转效果是完全一样的：
新建Request实例，除了必需要有 url 参数以外，还能够设置别的两个参数： data（默许空）：是陪伴 url 提交的数据（比方要post的数据），同时 HTTP 要求将从 "GET"体式格局 改成 "POST"体式格局。 headers（默许空）：是一个字典，包含了须要发送的HTTP报头的键值对。 这两个参数下面会说到。
User-Agent
然则如许直接用urllib2给一个网站发送要求的话，确切略有些冒昧了，就比如，人家每家都有门，你以一个路人的身份直接闯进去明显不是很规矩。而且有一些站点不喜欢被顺序（非工资接见）接见，有可能会谢绝你的接见要求。
然则假如我们用一个正当的身份去要求他人网站，明显人家就是迎接的，所以我们就应该给我们的这个代码加上一个身份，就是所谓的User-Agent头。
浏览器 就是互联网世界上公认被许可的身份，假如我们愿望我们的爬虫顺序更像一个实在用户，那我们第一步，就是须要伪装成一个被公认的浏览器。用差别的浏览器在发送要求的时刻，会有差别的User-Agent头。 urllib2默许的User-Agent头为：Python-urllib/x.y（x和y是Python主版本和次版本号,比方 Python-urllib/2.7）
#urllib2_useragent.py
import urllib2
url = "http://www.itcast.cn"
#IE 9.0 的 User-Agent，包含在 ua_header里
ua_header = {"User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"}
# url 连同 headers，一同组织Request要求，这个要求将附带 IE9.0 浏览器的User-Agent
request = urllib2.Request(url, headers = ua_header)
# 向服务器发送这个要求
response = urllib2.urlopen(request)
html = response.read()
print html
增加更多的Header信息
在 HTTP Request 中到场特定的 Header，来组织一个完全的HTTP要求音讯。
能够经由过程挪用Request.add_header() 增加/修正一个特定的header 也能够经由过程挪用Request.get_header()来检察已有的header。
增加一个特定的header
# urllib2_headers.py
import urllib2
url = "http://www.itcast.cn"
#IE 9.0 的 User-Agent
header = {"User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"}
request = urllib2.Request(url, headers = header)
#也能够经由过程挪用Request.add_header() 增加/修正一个特定的header
request.add_header("Connection", "keep-alive")
# 也能够经由过程挪用Request.get_header()来检察header信息
# request.get_header(header_name="Connection")
response = urllib2.urlopen(req)
print response.code #能够检察相应状况码
html = response.read()
print html
随机增加/修正User-Agent
# urllib2_add_headers.py
import urllib2
import random
url = "http://www.itcast.cn"
ua_list = [
"Mozilla/5.0 (Windows NT 6.1; ) Apple.... ",
"Mozilla/5.0 (X11; CrOS i686 2268.111.0)... ",
"Mozilla/5.0 (Macintosh; U; PPC Mac OS X.... ",
"Mozilla/5.0 (Macintosh; Intel Mac OS... "
]
user_agent = random.choice(ua_list)
request = urllib2.Request(url)
#也能够经由过程挪用Request.add_header() 增加/修正一个特定的header
request.add_header("User-Agent", user_agent)
# 第一个字母大写，背面的悉数小写
request.get_header("User-agent")
response = urllib2.urlopen(req)
html = response.read()
print html
相干教程引荐：Python视频教程
以上就是Python怎样装置urllib2库的细致内容，更多请关注ki4网别的相干文章！
