[b]什么是Urllib库[/b] Urllib是Python提供的一个用于操作URL的模块，我们爬取网页的时候，经常需要用到这个库。 升级合并后，模块中的包的位置变化的地方较多。 [b]urllib库对照速查表 [/b]

Python2.X	Python3.X
urllib	urllib.request, urllib.error, urllib.parse
urllib2	urllib.request, urllib.error
urllib2.urlopen	urllib.request.urlopen
urllib.urlencode	urllib.parse.urlencode
urllib.quote	urllib.request.quote
urllib2.Request	urllib.request.Request
urlparse	urllib.parse
urllib.urlretrieve	urllib.request.urlretrieve
urllib2.URLError	urllib.error.URLError
cookielib.CookieJar	http.CookieJar

urllib库是用于操作URL，爬取页面的python第三方库，同样的库还有[url=http://docs.python-requests.org/zh_CN/latest/user/quickstart.html]requests[/url]、[url=https://github.com/httplib2/httplib2]httplib2[/url]。 在Python2.X中，分urllib和urllib2，但在Python3.X中，都统一合并到urllib中。通过上表可以看到其中常见的变动，依据该变动可快速写出相应版本的python程序。 相对来说，Python3.X对中文的支持比Python2.X友好，所以该博客接下来通过Python3.X来介绍urllib库的一些常见用法。 [b]发送请求[/b] 首先导入[code]urllib.request[/code]模块，使用[code]urlopen()[/code]对参数中的URL发送请求，返回一个[code]http.client.HTTPResponse[/code]对象。 在[code]urlopen()[/code]中，使用timeout字段，可设定相应的秒数时间之后停止等待响应。除此之外，还可使用[code]r.info() [/code]、[code]r.getcode()[/code] 、[code]r.geturl()[/code]获取相应的当前环境信息、状态码、当前网页URL。 [b]读取响应内容[/b] 使用[code]r.read()[/code]读取响应内容到内存，该内容为网页的源代码（可用相应的浏览器“查看网页源代码”功能看到），并可对返回的字符串进行相应解码[code]decode() [/code]。 [b]传递URL参数 [/b] 以字符串字典的形式，通过[code]urlencode()[/code]编码，为URL的查询字符串传递数据， 编码后的params为字符串，字典每项键值对以'&'连接：[code]'q=urllib&check_keywords=yes&area=default'[/code] 构建后的URL：https://docs.python.org/3/search.html?q=urllib&check_keywords=yes&area=default 当然，[code]urlopen()[/code]支持直接构建的URL，简单的get请求可以不通过[code]urlencode()[/code]编码，手动构建后直接请求。上述方法使代码模块化，更优雅。 [b]传递中文参数[/b] 该URL是利用bing图片接口，查询关键字q的图片。如果直接将中文传入URL中请求，会导致编码错误。我们需要使用[code]quote()[/code] ，对该中文关键字进行URL编码，相应的可以使用[code]unquote()[/code]进行解码。 [b]定制请求头[/b] 有时爬取一些网页时，会出现403错误（Forbidden），即禁止访问。这是因为网站服务器对访问者的Headers属性进行身份验证，例如：通过urllib库发送的请求，默认以”Python-urllib/X.Y”作为User-Agent，其中X为Python的主版本号，Y为副版本号。所以，我们需要通过[code]urllib.request.Request()[/code]构建Request对象，传入字典形式的Headers属性，模拟浏览器。 相应的Headers信息，可通过浏览器的开发者调试工具，”检查“功能的”Network“标签查看相应的网页得到，或使用抓包分析软件Fiddler、Wireshark。 除上述方法外，还可以使用[code]urllib.request.build_opener()[/code]或[code]req.add_header()[/code]定制请求头，详见官方样例。 在Python2.X中，urllib模块和urllib2模块通常一起使用，因为[code]urllib.urlencode()[/code]可以对URL参数进行编码，而[code]urllib2.Request()[/code]可以构建Request对象，定制请求头，然后统一使用[code]urllib2.urlopen()[/code]发送请求。 [b]传递POST请求 [/b] 我们在进行注册、登录等操作时，会通过POST表单传递信息。 这时，我们需要分析页面结构，构建表单数据post，使用[code]urlencode()[/code]进行编码处理，返回字符串，再指定'utf-8'的编码格式，这是因为POSTdata只能是bytes或着file object。最后通过[code]Request()[/code]对象传递postdata，使用[code]urlopen()[/code]发送请求。 [b]下载远程数据到本地 [/b] 爬取图片、视频等远程数据时，可使用[code]urlretrieve()[/code]下载到本地。 第一个参数为要下载的url，第二个参数为下载后的存放路径。 该样例下载python官网logo到当前目录下，返回元组(filename, headers)。 [b]设置代理IP [/b] 有时频繁的爬取一个网页，会被网站服务器屏蔽IP。这时，可通过上述方法设置代理IP。 首先，通过网上代理IP的网站找一个可以用的IP，构建[code]ProxyHandler()[/code]对象，将'http'和代理IP以字典形式作为参数传入，设置代理服务器信息。再构建opener对象，将proxy和HTTPHandler类传入。通过[code]installl_opener()[/code]将opener设置成全局，当用[code]urlopen()[/code]发送请求时，会使用之前设置的信息来发送相应的请求。 [b]异常处理 [/b] 可以使用URLError类，处理一些URL相关异常。导入[code]urllib.error[/code]，捕获URLError异常后，因为只有发生HTTPError异常（URLError子类）时，才会有异常状态码e.code，所以需要判断异常是否有属性code。 [b]Cookie的使用[/b] 通过无状态协议HTTP访问网页时，Cookie维持会话间的状态。例如：有些网站需要登录操作，第一次可通过提交POST表单来登录，当爬取该网站下的其它站点时，可以使用Cookie来保持登录状态，而不用每次都通过提交表单来登录。 首先，构建[code]CookieJar()[/code]对象cjar，再使用[code]HTTPCookieProcessor()[/code]处理器，处理cjar，并通过[code]build_opener()[/code]构建opener对象，设置成全局，通过[code]urlopen()[/code]发送请求。 [b]总结[/b] 以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对编程素材网的支持。