Python2中的urllib、urllib2和 Python3中的urllib、requests

目录

Python2.x中

urllib和urllib2

常用方法和类

Python3.x中

urllib

requests

---

Python2.x中

urllib和urllib2

urllib 和 urllib2 是 python2.x 自带的模块，提供了一系列用于操作URL的功能。
urllib 和 urllib2 都是接受URL请求的相关模块，但是urllib2可以接受一个Request类的实例来设置URL请求的 headers，urllib 仅可以接受URL。这意味着，urllib不可以伪装你的User Agent 字符串等。
但是 urllib 提供 urlencode 方法用来对数据进行url编码，而 urllib2 没有，所以 urllib 经常和 urllib2 一起使用。

常用方法和类

urllib2.urlopen( url  [, data]  [, timeout] )
urlopen方法是urllib2模块最常用也最简单的方法，它打开URL网址。调用urlopen函数对请求的url返回一个response对象。这个response类似于一个file对象，所以用.read()函数可以操作这个response对象

• url 参数可以是一个字符串 url 或者是一个Request对象。url 必须是 http:// 的格式
• 对于可选参数 data，表示以 post 方式提交到 url 的数据。不填则为 get 方式提交
• 对于可选的参数 timeout，阻塞操作以秒为单位，如果没有指定，将使用设置的全局默认timeout值。

import urllib2

#设置代理
proxies={"http":"http://127.0.0.1:8080"}
proxy_s=urllib2.ProxyHandler(proxies)     
opener=urllib2.build_opener(proxy_s)      
urllib2.install_opener(opener)


response = urllib2.urlopen('http://python.org/',timeout=3)  #超时时间3秒
html = response.read()

urllib2.urlopen( urllib2.Request   [,timeout])

• urllib2.Request表示的是一个urllib2.Request对象
• 对于可选的参数 timeout，阻塞操作以秒为单位，如果没有指定，将使用设置的全局默认timeout值

urlopen方法也可通过建立了一个Request对象来明确指明想要获取的url。

import urllib2
req = urllib2.Request('http://python.org/')
response = urllib2.urlopen(req,timeout=3)
the_page = response.read()

这里用到了urllib2.Request 类，对于上例，我们只通过了URL实例化了Request类的对象，其实Request类还有其他的参数 。

class urllib2.Request(url  [, data]  [, headers]  [, origin_req_host]  [, unverifiable])

• url 参数可以是一个字符串 url 或者是一个Request对象。url 必须是 http:// 的格式
• 对于可选参数data，data 是一个字符串，指定额外的数据发送到服务器，当请求含有data参数时，HTTP的请求为POST，而不是GET。而data数据需要先进行URL编码处理，这就需要urllib.urlencode()函数了
• 可选参数headers是字典类型，头字典可以作为参数在request时直接传入，也可以把每个键和值作为参数调用add_header()方法来添加。
• 可选参数origin_req_host是RFC2965定义的源交互的request-host。默认的取值是cookielib.request_host(self)。这是由用户发起的原始请求的主机名或IP地址。例如，如果请求的是一个HTML文档中的图像，这应该是包含该图像的页面请求的request-host。
• 可选参数unverifiable代表请求是否是无法验证的，它也是由RFC2965定义的。默认值为false。一个无法验证的请求是，其用户的URL没有足够的权限来被接受。例如，如果请求的是在HTML文档中的图像，但是用户没有自动抓取图像的权限，unverifiable的值就应该是true。

import urllib
import urllib2
requrl = 'http://www.python.org/'
header = { 'User-Agent' : 'Mozilla/4.0 compatible; MSIE 5.5; Windows NT',
           'Referer'    : 'http://www.baidu.com/login.php'}
values = {'name': 'Tom',
          'sex' : 'Man',
          'id'  : '10' }
data = urllib.urlencode(values)  #对数据进行URL编码处理
req  = urllib2.Request(url=requrl, data=data，headers=header)
response = urllib2.urlopen(req)
the_page = response.read()

##还可以使用add_header方法添加
req = urllib2.Request(url=requrl,data=data,headers)
req.add_header('Referer', 'http://www.python.org/')
req.add_header('User-Agent','Mozilla/4.0 compatible; MSIE 5.5; Windows NT')
response = urllib2.urlopen(req)
the_page = response.read()

python2.X环境，使用urllib和urllib2进行发包的相关文章：Python脚本自动化破解大白鲨摄像头(Shodan) 

Python3.x中

urllib

在python3.x中，把 http 相关的所有包打包成了2个包：http 和  urllib 。也就是说urllib和urllib2合成了一个urllib包

http 会处理所有客户端--服务器http请求的具体细节，其中：

• client 会处理客户端的部分
• server 会协助你编写Python web服务器程序
• cookies 和cookiejar会处理cookie，cookie可以在请求中存储数据

urllib 是基于 http 的高层库，它有以下三个主要功能：

• reques t处理客户端的请求
• response 处理服务端的响应
• parse 会解析url

常见的类和方法

request.urlopen(url [, data] [, timeout])    

参数选项和python2.x中的 urllib.urlopen 一样

from urllib import request

response = request.urlopen('http://python.org/')
html = response.read()

request.urlopen( request.Request ) 

参数选项和python2.x中的 urllib.urlopen 一样

from urllib import request

req = request.Request('http://python.org/')
response = request.urlopen(req)
the_page = response.read()

 自定义 headers 和 data

from urllib import parse
from urllib import request

url = 'http://www.someserver.com/cgi-bin/register.cgi'
headers = { 'Host': '192.168.153.130',
            'User-Agent' : 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)',
            'Referer'    : 'http://www.python.org/',
            'Accept'     : '*/*' }
values = {'name': 'Tom',
          'sex' : 'Man',
          'id'  : '10' }
data = urllib.parse.urlencode(values)
req = urllib.request.Request(url, data)
response = urllib.request.urlopen(req)
the_page = response.read()
print(the_page.decode("utf8"))


urllib中进行URL编码和解码还可以使用quote() 和 unquote()函数
a=urllib.parse.quote("hello,word")   #将字符串进行编码
b=urllib.parse.unquote(a)            #将字符串进行解码

requests

而requests库则是非常优秀的第三方库，它使用 Apache2 Licensed 许可证的 HTTP 库。Requests 使用的是 urllib(python3.x中的urllib)，因此继承了它的所有特性。Requests 支持 HTTP 连接保持和连接池，支持使用 cookie 保持会话，支持文件上传，支持自动确定响应内容的编码，支持国际化的 URL 和 POST 数据自动编码。现代、国际化、人性化

requests模块中可以有很多种请求网页的方式

• requests.get('http://www.baidu.com')
• requests.post('http://www.baidu.com')
• requests.put('http://www.baidu.com')
• requests.delete('http://www.baidu.com')
• requests.head('http://www.baidu.com')
• requests.options(http://www.baidu.com')

import requests

headers = { 'Host': '192.168.153.130',
            'User-Agent' : 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)',
            'Referer'    : 'http://www.python.org/',
            'Accept'     : '*/*' }
values = {'name': 'Tom',
          'sex' : 'Man',
          'id'  : '10' }
proxie={"http":"http://127.0.0.1:8080"}        #设置代理

res=requests.get('http://www.baidu.com', data=values,headers=headers，timeout=0.1,proxies=proxie)

res.status_code    ##状态码
res.url            ##请求的url
res.request.headers    ##请求头信息，返回的是一个字典对象，不修改的话，默认是python的请求头
res.headers        ##响应头信息，返回的是一个字典对象
responce.headers['Content-Type']  #查看响应头的具体部分
res.cookies        ##cookie信息，返回的是一个字典对象
res.text           ##响应内容的字符串形式，即返回的页面内容
res.content        ##响应内容的二进制形式  
res.encoding='utf-8'   ##设置响应的编码
res.apparent_encoding  ##从内容中分析出的响应内容编码方式（备选编码方式）

相关文章：Python3——requests模块详解