urllib2中自定义opener

Posted 2020-06-14

正常用Python抓取网页信息，需要用到urllib2，调用urllib2.urlopen(url)，可以获得response 反馈信息，再用response.read()即可获得页面的源码。

最简单的抓包代码：

import urllib2  
response = urllib2.urlopen(‘http://www.baidu.com/‘)  
html = response.read()  
print html

下面来说一说urllib2中的两个重要概念：Openers和Handlers。

1.Openers：

当你获取一个URL你使用一个opener(一个urllib2.OpenerDirector的实例)。

正常情况下，我们使用默认opener：通过urlopen。

但你能够创建个性的openers。

2.Handles：

Openers使用处理器handlers，所有的“繁重”工作由handlers处理。

每个handlers知道如何通过特定协议打开URLs，或者如何处理URL打开时的各个方面。

在你使用代理上网或其他的情况就需要自己创建一个 opener，可以实例化一个OpenerDirector，

然后调用.add_handler(some_handler_instance)。

同样，可以使用build_opener，这是一个更加方便的函数，用来创建opener对象，他只需要一次函数调用。
build_opener默认添加几个处理器，但提供快捷的方法来添加或更新默认处理器。

其他的处理器handlers你或许会希望处理代理，验证，和其他常用但有点特殊的情况。

 

install_opener 用来创建（全局）默认opener。这个表示调用urlopen将使用你安装的opener。

Opener对象有一个open方法。

该方法可以像urlopen函数那样直接用来获取urls：通常不必调用install_opener，除了为了方便。

import urllib2  

proxy_handler = urllib2.ProxyHandler({‘http‘:‘http://10.19.110.32:8080/‘})

opener = urllib2.build_opener(proxy_handler)

urllib2.install_opener(opener) 

response = urllib2.urlopen(‘http://www.baidu.com/‘)  
html = response.read()  
print html

import urllib2  

proxy_handler = urllib2.ProxyHandler({‘http‘:‘http://10.19.110.32:8080/‘})

opener = urllib2.build_opener(proxy_handler)

response = opener.open(‘http://www.baidu.com/‘)  
html = response.read()  
print html