Python 爬虫从入门到进阶之路（四） - 好文

之前的文章我们做了一个简单的例子爬取了百度首页的 html，我们用到的是 urlopen
来打开请求，它是一个特殊的opener（也就是模块帮我们构建好的）。但是基本的 urlopen()
方法不支持代理、cookie等其他的HTTP/HTTPS高级功能，所以我们需要用到 Python 的 opener 来自定义我们的请求内容。

具体步骤：

* 使用相关的 Handler处理器来创建特定功能的处理器对象；
* 然后通过 build_opener()方法使用这些处理器对象，创建自定义opener对象；
* 使用自定义的opener对象，调用open()方法发送请求。
我们先来回顾一下使用 urlopen 获取百度首页的 html 代码实例：
1 # 导入urllib 库 2 import urllib.request 3 4 # url
作为Request()方法的参数，构造并返回一个Request对象 5 request = urllib.request.Request("
http://www.baidu.com") 6 # Request对象作为urlopen()方法的参数，发送给服务器并接收响应 7 response =
urllib.request.urlopen(request) 8 # 类文件对象支持文件对象的操作方法，如read()方法读取文件全部内容，返回字符串 9
html = response.read().decode("utf-8") 10 # 打印字符串 11 print(html)
接下来我们看一下使用 opener 的处理方式：
1 from urllib import request 2 3 # 构建一个HTTPHandler 处理器对象，支持处理HTTP请求 4
http_handler = request.HTTPHandler() 5 6 # 构建一个HTTPSHandler 处理器对象，支持处理HTTPS请求
7 # http_handler = request.HTTPSHandler() 8 9 # 调用
request.build_opener()方法，创建支持处理HTTP请求的opener对象 10 opener =
request.build_opener(http_handler)11 12 # 构建 Request请求 13 request =
request.Request("http://www.baidu.com/") 14 15 #
调用自定义opener对象的open()方法，发送request请求 16 response = opener.open(request) 17 18 #
获取服务器响应内容 19 html = response.read().decode("utf-8") 20 21 # 打印字符串 22 print(html)

在上面的第一段代码中，我们是通过直接  import urllib.request 来导入我们需要的包，这样当我们要使用时需要
urllib.request 来使用，第二段代码我们是通过  from urllib import request
来导入我们需要的包，这样当我们使用时直接  request 来使用就可以了。

第一段代码在前面的文章中我们已经说过了，这里就不多做解释了。

第二段代码中，我们使用了 opener 的方法来处理我们的请求，这样我们就可以对代理，cookie 等做进一步的操作，后续文章会讲到。最终结果如下：

在  http_handler = request.HTTPHandler() 中，我们还可以添加一个  debuglevel=1 参数，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。

代码如下：
1 from urllib import request 2 3 # 构建一个HTTPHandler 处理器对象，支持处理HTTP请求 4
http_handler = request.HTTPHandler(debuglevel=1) 5 6 # 构建一个HTTPHandler
处理器对象，支持处理HTTPS请求 7 # http_handler = request.HTTPSHandler(debuglevel=1) 8 9 #
调用 request.build_opener()方法，创建支持处理HTTP请求的opener对象 10 opener =
request.build_opener(http_handler)11 12 # 构建 Request请求 13 request =
request.Request("http://www.baidu.com/") 14 15 #
调用自定义opener对象的open()方法，发送request请求 16 response = opener.open(request) 17 18 #
获取服务器响应内容 19 html = response.read().decode("utf-8") 20 21 # 打印字符串 22 print(html)
输出结果如下：

可以看出在响应结果的时候会为我们打印输出一些请求信息。

热门工具换一换