爬虫库Urllib（代理IP等）

代理IP

1. urllib.request.ProxyHandler()

①代理IP的原理：本机---->大力IP---->访问的网站（服务器）
文字描述：本机先访问代理IP，再通过代理IP地址访问互联网，这样网站（服务器）接收到的访问IP就是代理IP地址。
②由Urllib提供urllib.request.ProxyHandler()方法可动态设置代理IP池，具体摘录如下：

2. 演示一下代理IP去访问目标网址吧

①打开浏览器，去搜索几个免费的代理ip吧,如下是我找的免费ip代理（时间是2020年07月28日 09：53，后续也许能用，也许用不了，用不了的话，就自己网上找一下吧）

58.211.134.98   38480
171.35.163.230  9999
218.241.154.252	3128
118.113.247.4	9999
182.149.82.88	9999
116.196.85.150	3128
110.189.152.86	40698

②找到免费的代理ip，然后就开始写代码，如下代码：

# 方法一
import urllib.request
# 请求的url
url = "https://movie.douban.com/"

# 添加请求头字典
# headers = {
#     'User-Agent': "Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36",
#     'Referer': " https://movie.douban.com/",
#     'Connection': "keep-alive"}
# 注意：此处的headers要写为一个元组类型才可以。写为字典类型的话会报错！
headers = [('User-Agent',"Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36"),
           ('Referer',"https://movie.douban.com/"),
           ('Connection',"keep-alive")]

# ①设置代理IP
proxy_handler = urllib.request.ProxyHandler({
    'http':'58.211.134.98:38480',
    'http':'171.35.163.230:9999',
    'http':'218.241.154.252:3128',
    'http':'118.113.247.4:9999',
    'http':'182.149.82.88:9999',
    'http':'116.196.85.150:3128',
    'http':'110.189.152.86:40698'
})
# ②使用build_opener()函数创建带有代理ip功能的opener对象
opener = urllib.request.build_opener(proxy_handler)
# ③增加请求头
opener.addheaders = headers
response = opener.open(url)
# 读取返回内容
html = response.read().decode('utf8')
# 写入文件txt
f = open('html.txt', 'w', encoding='utf8')
f.write(html)
f.close()

# 方法二
import urllib.request
import random

# 请求的url
url = "https://movie.douban.com/"

# 添加请求头字典
headers = {
    'User-Agent': "Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36",
    'Referer': " https://movie.douban.com/",
    'Connection': "keep-alive"}

# ①设置代理IP
proxy_list = [
    {'http':'58.211.134.98:38480'},
    {'http':'171.35.163.230:9999'},
    {'http':'218.241.154.252:3128'},
    {'http':'118.113.247.4:9999'},
    {'http':'182.149.82.88:9999'},
    {'http':'116.196.85.150:3128'},
     { 'http':'110.189.152.86:40698'},
]
# 随机选择一个代理

proxy_ip = random.choice(proxy_list)
print(proxy_ip)  # 打印一下随机的代理ip

# 使用选择的代理构建代理处理器对象
proxy_handler = urllib.request.ProxyHandler(proxy_ip)
opener = urllib.request.build_opener(proxy_handler)
request = urllib.request.Request(url, headers=headers)
response = opener.open(request)
# 读取返回内容
html = response.read().decode('utf8')
# 写入文件txt
f = open('html1.txt', 'w', encoding='utf8')
f.write(html)
f.close()

上述代码验证是可以的（验证时间2020年7月28日11:43）

错误	描述说明
ConnectionResetError	［WinError 10054］远程主机强迫关闭了一个现有的连接。
urllib.error.URLError	urlopen error Remoteend closed connection without response（结束没有响应的远程连接）
urllib.error.URLError	urlopen error［WinError 10054］远程主机强迫关闭了一个现有的连接
TimeoutError	［WinError 10060］由于连接方在一段时间后没有正确答复或连接的主机没有反应，因此连接尝试失败
urllib.error.URLError	urlopen error［WinError 10061］由于目标计算机拒绝访问，因此无法连接。

Cookies的使用

1. Urllib提供HTTPCookieProcessor()

Urllib提供HTTPCookieProcessor() 对Cookies操作，但Cookies的读写是由MozillaCookieJar()完成的。

1.1 Cookies写入文件:

import urllib.request
from http import cookiejar
import random

# 请求的url
url = "https://movie.douban.com/"

# 添加请求头字典
headers = {
    'User-Agent': "Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36",
    'Referer': " https://movie.douban.com/",
    'Connection': "keep-alive"}

# ①设置代理IP
proxy_list = [
    {'http':'58.211.134.98:38480'},
    {'http':'171.35.163.230:9999'},
    {'http':'218.241.154.252:3128'},
    {'http':'118.113.247.4:9999'},
    {'http':'182.149.82.88:9999'},
    {'http':'116.196.85.150:3128'},
     { 'http':'110.189.152.86:40698'},
]
# 随机选择一个代理

proxy_ip = random.choice(proxy_list)
print(proxy_ip)  # 打印一下随机的代理ip


filename = "cookie.txt"
# MozillaCookieJar保存cookie
cookie = cookiejar.MozillaCookieJar(filename)
# HTTPCookieProcess创建cookie处理器
handler = urllib.request.HTTPCookieProcessor(cookie)
# 使用选择的代理构建代理处理器对象
proxy_handler = urllib.request.ProxyHandler(proxy_ip)
#创建自定义opener
opener = urllib.request.build_opener(proxy_handler,handler)
request = urllib.request.Request(url,headers=headers)
# open方法打开网页
response = opener.open(request)
# 保存cookie文件
cookie.save()

运行结果：

1.2 Cookies读取:

import urllib.request
from http import cookiejar

# 请求的url
url = "https://movie.douban.com/"
# 添加请求头字典
headers = {
    'User-Agent': "Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36",
    'Referer': " https://movie.douban.com/",
    'Connection': "keep-alive"}
filename = "cookie.txt"
# 创建MozillaCookieJar对象
cookie = cookiejar.MozillaCookieJar()

# 读取cookie.txt内容到变量
cookie.load(filename)

# HTTPCookieProcessor创建cookie处理器
handler = urllib.request.HTTPCookieProcessor(cookie)
# 创建opener
opener = urllib.request.build_opener(handler)

request = urllib.request.Request(url,headers=headers)
# opener打开网页
response = opener.open(request)
# 输出结果
print(cookie)

执行结果：

证书验证

摘录过来的：
当遇到一些特殊的网站时，在浏览器上会显示连接不是私密连接而导致无法浏览该网页。若在没有安装12306根证书的情况下访问12306网站

import urllib.request
import ssl

# 关闭证书校验
ssl._create_default_https_context = ssl._create_unverified_context
url = "https://kyfw.12306.cn/otn/leftTicket/init"
response = urllib.request.urlopen(url)
# 输出状态码
print(response.getcode())

执行结果：