深夜迷情,南阳市五中贴吧,赖祥健
1.设置headers
有些网站不会同意程序直接用上面的方式进行访问，如果识别有问题，那么站点根本不会响应，所以为了完全模拟浏览器的工作，我们需要设置一些headers 的属性。
首先，打开我们的浏览器，调试浏览器f12，我用的是chrome，打开网络监听，示意如下，比如知乎，点登录之后，我们会发现登陆之后界面都变化 了，出现一个新的界面，实质上这个页面包含了许许多多的内容，这些内容也不是一次性就加载完成的，实质上是执行了好多次请求，一般是首先请求html文 件，然后加载js，css 等等，经过多次请求之后，网页的骨架和肌肉全了，整个网页的效果也就出来了。
拆分这些请求，我们只看一第一个请求，你可以看到，有个request url，还有headers，下面便是response，图片显示得不全，小伙伴们可以亲身实验一下。那么这个头中包含了许许多多是信息，有文件编码啦，压缩方式啦，请求的agent啦等等。
其中，agent就是请求的身份，如果没有写入请求身份，那么服务器不一定会响应，所以可以在headers中设置agent,例如下面的例子，这个例子只是说明了怎样设置的headers，小伙伴们看一下设置格式就好。
我要评论
import urllib
import urllib2
url = 'http://www.server.com/login'
user_agent = 'mozilla/4.0 (compatible; msie 5.5; windows nt)'
values = {'username' : 'cqc', 'password' : 'xxxx' }
headers = { 'user-agent' : user_agent }
data = urllib.urlencode(values)
request = urllib2.request(url, data, headers)
response = urllib2.urlopen(request)
page = response.read()
这样，我们设置了一个headers，在构建request时传入，在请求时，就加入了headers传送，服务器若识别了是浏览器发来的请求，就会得到响应。
另外，我们还有对付”反盗链”的方式，对付防盗链，服务器会识别headers中的referer是不是它自己，如果不是，有的服务器不会响应，所以我们还可以在headers中加入referer
例如我们可以构建下面的headers
headers = { 'user-agent' : 'mozilla/4.0 (compatible; msie 5.5; windows nt)' ,
'referer':'http://www.zhihu.com/articles' }
同上面的方法，在传送请求时把headers传入request参数里，这样就能应付防盗链了。
另外headers的一些属性，下面的需要特别注意一下：
其他的有必要的可以审查浏览器的headers内容，在构建时写入同样的数据即可。
2. proxy（代理）的设置
urllib2 默认会使用环境变量 http_proxy 来设置 http proxy。假如一个网站它会检测某一段时间某个ip 的访问次数，如果访问次数过多，它会禁止你的访问。所以你可以设置一些代理服务器来帮助你做工作，每隔一段时间换一个代理，网站君都不知道是谁在捣鬼了，这酸爽！
下面一段代码说明了代理的设置用法
import urllib2
enable_proxy = true
proxy_handler = urllib2.proxyhandler({"http" : 'http://some-proxy.com:8080'})
null_proxy_handler = urllib2.proxyhandler({})
if enable_proxy:
opener = urllib2.build_opener(proxy_handler)
else:
opener = urllib2.build_opener(null_proxy_handler)
urllib2.install_opener(opener)
3.timeout 设置
上一节已经说过urlopen方法了，第三个参数就是timeout的设置，可以设置等待多久超时，为了解决一些网站实在响应过慢而造成的影响。
例如下面的代码,如果第二个参数data为空那么要特别指定是timeout是多少，写明形参，如果data已经传入，则不必声明。
import urllib2
response = urllib2.urlopen('http://www.baidu.com', timeout=10)
import urllib2
response = urllib2.urlopen('http://www.baidu.com',data, 10)
4.使用 http 的 put 和 delete 方法
http协议有六种请求方法，get,head,put,delete,post,options，我们有时候需要用到put方式或者delete方式请求。
put：这个方法比较少见。html表单也不支持这个。本质上来讲， put和post极为相似，都是向服务器发送数据，但它们之间有一个重要区别，put通常指定了资源的存放位置，而post则没有，post的数据存放位置由服务器自己决定。
delete：删除某一个资源。基本上这个也很少见，不过还是有一些地方比如amazon的s3云服务里面就用的这个方法来删除资源。
如果要使用 http put 和 delete ，只能使用比较低层的 httplib 库。虽然如此，我们还是能通过下面的方式，使 urllib2 能够发出 put 或delete 的请求，不过用的次数的确是少，在这里提一下。
import urllib2 request = urllib2.request(uri, data=data) request.get_method = lambda: 'put' # or 'delete' response = urllib2.urlopen(request)
5.使用debuglog
可以通过下面的方法把 debug log 打开，这样收发包的内容就会在屏幕上打印出来，方便调试，这个也不太常用，仅提一下
import urllib2
httphandler = urllib2.httphandler(debuglevel=1)
httpshandler = urllib2.httpshandler(debuglevel=1)
opener = urllib2.build_opener(httphandler, httpshandler)
urllib2.install_opener(opener)
response = urllib2.urlopen('http://www.baidu.com')
以上便是一部分高级特性，前三个是重要内容，在后面，还有cookies的设置还有异常的处理，小伙伴们加油！
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
Python 实现将numpy中的nan和inf,nan替换成对应的均值
python爬虫把url链接编码成gbk2312格式过程解析
网友评论