1.設置Headers

有些網站不會同意程序直接用上面的方式進行訪問，如果識別有問題，那麼站點根本不會響應，所以為了完全模擬瀏覽器的工作，我們需要設置一些Headers 的屬性。

首先，打開我們的瀏覽器，調試瀏覽器F12，我用的是Chrome，打開網路監聽，示意如下，比如知乎，點登錄之後，我們會發現登陸之後界面都變化 了，出現一個新的界面，實質上這個頁面包含了許許多多的內容，這些內容也不是一次性就載入完成的，實質上是執行了好多次請求，一般是首先請求HTML文 件，然後載入JS，CSS 等等，經過多次請求之後，網頁的骨架和肌肉全了，整個網頁的效果也就出來了。

拆分這些請求，我們只看一第一個請求，你可以看到，有個Request URL，還有headers，下面便是response，圖片顯示得不全，小夥伴們可以親身實驗一下。那麼這個頭中包含了許許多多是信息，有文件編碼啦，壓縮方式啦，請求的agent啦等等。

其中，agent就是請求的身份，如果沒有寫入請求身份，那麼伺服器不一定會響應，所以可以在headers中設置agent,例如下面的例子，這個例子只是說明了怎樣設置的headers，小夥伴們看一下設置格式就好。

Python

  1. import urllib
  2. import urllib2
  3. url = server.com/login
  4. user_agent = Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)
  5. values = {username : cqc, password : XXXX }
  6. headers = { User-Agent : user_agent }
  7. data = urllib.urlencode(values)
  8. request = urllib2.Request(url, data, headers)
  9. response = urllib2.urlopen(request)
  10. page = response.read()

這樣，我們設置了一個headers，在構建request時傳入，在請求時，就加入了headers傳送，伺服器若識別了是瀏覽器發來的請求，就會得到響應。

另外，我們還有對付」反盜鏈」的方式，對付防盜鏈，伺服器會識別headers中的referer是不是它自己，如果不是，有的伺服器不會響應，所以我們還可以在headers中加入referer

例如我們可以構建下面的headers

Python

  1. headers
  2. =
  3. {
  4. User-Agent
  5. :
  6. Mozilla/4.0 (compatible;
  7. MSIE 5.5; Windows NT) ,
  8. Referer:zhihu.com/articles
  9. }

同上面的方法，在傳送請求時把headers傳入Request參數里，這樣就能應付防盜鏈了。

另外headers的一些屬性，下面的需要特別注意一下：

User-Agent : 有些伺服器或 Proxy 會通過該值來判斷是否是瀏覽器發出的請求

Content-Type : 在使用 REST 介面時，伺服器會檢查該值，用來確定 HTTP Body 中的內容該怎樣解析。application/xml ： 在 XML RPC，如 RESTful/SOAP 調用時使用application/json ： 在 JSON RPC 調用時使用application/x-www-form-urlencoded ： 瀏覽器提交 Web 表單時使用在使用伺服器提供的 RESTful 或 SOAP 服務時， Content-Type 設置錯誤會導致伺服器拒絕服務

其他的有必要的可以審查瀏覽器的headers內容，在構建時寫入同樣的數據即可。

2. Proxy（代理）的設置

urllib2 默認會使用環境變數 http_proxy 來設置 HTTP Proxy。假如一個網站它會檢測某一段時間某個IP 的訪問次數，如果訪問次數過多，它會禁止你的訪問。所以你可以設置一些代理伺服器來幫助你做工作，每隔一段時間換一個代理，網站君都不知道是誰在搗鬼了，這酸爽！

下面一段代碼說明了代理的設置用法

Python

  1. import urllib2
  2. enable_proxy = True
  3. proxy_handler = urllib2.ProxyHandler({"http" : some-proxy.com:8080})
  4. null_proxy_handler = urllib2.ProxyHandler({})
  5. if enable_proxy:
  6. opener = urllib2.build_opener(proxy_handler)
  7. else:
  8. opener = urllib2.build_opener(null_proxy_handler)
  9. urllib2.install_opener(opener)

3.Timeout 設置

上一節已經說過urlopen方法了，第三個參數就是timeout的設置，可以設置等待多久超時，為了解決一些網站實在響應過慢而造成的影響。

例如下面的代碼,如果第二個參數data為空那麼要特別指定是timeout是多少，寫明形參，如果data已經傳入，則不必聲明。

Python

  1. import
  2. urllib2
  3. response
  4. =
  5. urllib2.urlopen(baidu.com,
  6. timeout=10)

Python

  1. import urllib2
  2. response = urllib2.urlopen(baidu.com,data, 10)

4.使用 HTTP 的 PUT 和 DELETE 方法

http協議有六種請求方法，get,head,put,delete,post,options，我們有時候需要用到PUT方式或者DELETE方式請求。

PUT：這個方法比較少見。HTML表單也不支持這個。本質上來講， PUT和POST極為相似，都是向伺服器發送數據，但它們之間有一個重要區別，PUT通常指定了資源的存放位置，而POST則沒有，POST的數據存放位置由伺服器自己決定。

DELETE：刪除某一個資源。基本上這個也很少見，不過還是有一些地方比如amazon的S3雲服務裡面就用的這個方法來刪除資源。

如果要使用 HTTP PUT 和 DELETE ，只能使用比較低層的 httplib 庫。雖然如此，我們還是能通過下面的方式，使 urllib2 能夠發出 PUT 或DELETE 的請求，不過用的次數的確是少，在這裡提一下。

Python

  1. import
  2. urllib2
  3. request
  4. =
  5. urllib2.Request(uri,
  6. data=data)
  7. request.get_method
  8. =
  9. lambda:
  10. PUT
  11. #
  12. or DELETE
  13. response
  14. =
  15. urllib2.urlopen(request)

5.使用DebugLog

可以通過下面的方法把 Debug Log 打開，這樣收發包的內容就會在屏幕上列印出來，方便調試，這個也不太常用，僅提一下

Python

  1. import
  2. urllib2
  3. httpHandler
  4. =
  5. urllib2.HTTPHandler(debuglevel=1)
  6. httpsHandler
  7. =
  8. urllib2.HTTPSHandler(debuglevel=1)
  9. opener
  10. =
  11. urllib2.build_opener(httpHandler,
  12. httpsHandler)
  13. urllib2.install_opener(opener)
  14. response
  15. =
  16. urllib2.urlopen(baidu.com)

以上便是一部分高級特性，前三個是重要內容，在後面，還有cookies的設置還有異常的處理，小夥伴們加油！

更多編程入門教程資源盡在夢幫客教程網電腦端，分享給想學習編程開發的同學。

推薦閱讀：

相关文章