python爬虫之urllib3的使用示例_Python

Urllib3是一个功能强大，条理清晰，用于HTTP客户端的Python库。许多Python的原生系统已经开始使用urllib3。Urllib3提供了很多python标准库urllib里所没有的重要特性：

线程安全
连接池
客户端SSL/TLS验证
文件分部编码上传
协助处理重复请求和HTTP重定位
支持压缩编码
支持HTTP和SOCKS代理

一、get请求

urllib3主要使用连接池进行网络请求的访问，所以访问之前我们需要创建一个连接池对象，如下所示：

				?

									import urllib3

									url = "http://httpbin.org"

									http = urllib3.PoolManager();

									r = http.request('GET',url+"/get")

									print(r.data.decode())

									print(r.status)

									带参数的get

									r = http.request('get','http://www.baidu.com/s',fields={'wd':'周杰伦'})

									print(r.data.decode())

经查看源码：

				?

									def request(self, method, url, fields=None, headers=None, **urlopen_kw):

第一个参数method 必选，指定是什么请求，'get'、'GET'、'POST'、'post'、'PUT'、'DELETE'等，不区分大小写。
第二个参数url，必选
第三个参数fields，请求的参数，可选
第四个参数headers 可选

request请求的返回值是<urllib3.response.HTTPResponse object at 0x000001B3879440B8>

我们可以通过dir()查看其所有的属性和方法。

dir(r)

直截取了一部分

				?

									#'data', 'decode_content', 'enforce_content_length', 'fileno', 'flush', 'from_httplib',

									# 'get_redirect_location', 'getheader', 'getheaders', 'headers', 'info', 'isatty',

									# 'length_remaining', 'read', 'read_chunked', 'readable', 'readinto', 'readline',

									# 'readlines', 'reason', 'release_conn', 'retries', 'seek', 'seekable', 'status',

									# 'stream', 'strict', 'supports_chunked_reads', 'tell', 'truncate', 'version', 'writable',

									# 'writelines']

二、post请求

				?

									import urllib3

									url = "http://httpbin.org"

									fields = {

									  'name':'xfy'

									}

									http = urllib3.PoolManager()

									r = http.request('post',url+"/post",fields=fields)

									print(r.data.decode())

可以看到很简单，只是第一个参数get换成了post。

并且参数不需要再像urllib一样转换成byte型了。

三、设置headers

				?

									import urllib3

									headers = {

									   'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'

									}

									http = urllib3.PoolManager();

									r = http.request('get',url+"/get",headers = headers)

									print(r.data.decode())

四、设置代理

				?

									import urllib3

									url = "http://httpbin.org"

									headers = {

									   'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'

									}

									proxy = urllib3.ProxyManager('http://101.236.19.165:8866',headers = headers)

									r = proxy.request('get',url+"/ip")

									print(r.data.decode())

五、当请求的参数为json

在发起请求时,可以通过定义body 参数并定义headers的Content-Type参数来发送一个已经过编译的JSON数据

				?

									import urllib3

									url = "http://httpbin.org"

									import json

									data = {'name':'徐繁韵'}

									json_data = json.dumps(data)

									http = urllib3.PoolManager()

									r = http.request('post',url+"/post",body = json_data,headers = {'Content-Type':'application/json'})

									print(r.data.decode('unicode_escape'))

六、上传文件

				?

									#元组形式

									with open('a.html','rb') as f:

									  data = f.read()

									http = urllib3.PoolManager()

									r = http.request('post','http://httpbin.org/post',fields = {'filefield':('a.html',data,'text/plain')})

									print(r.data.decode())

									#二进制形式

									r = http.request('post','http://httpbin.org/post',body = data,headers={'Content-Type':'image/jpeg'})

									print(r.data.decode())

七、超时设置

				?

									# 1全局设置超时

									# http = urllib3.PoolManager(timeout = 3)

									# 2在request里设置

									# http.request('post','http://httpbin.org/post',timeout = 3)

八、重试和重定向

				?

									import urllib3

									http = urllib3.PoolManager()

									#重试

									r = http.request('post','http://httpbin.org/post',retries = 5) #请求重试测次数为5次 ，默认为3ci

									print(r.retries) #Retry(total=5, connect=None, read=None, redirect=0, status=None)

									#关闭重试

									http.request('post','http://httpbin.org/post',retries = False) #请求重试测次数为5次 ，默认为3ci

									r = http.request('get','http://httpbin.org/redirect/1',redirect = False)

									print(r.retries)# Retry(total=3, connect=None, read=None, redirect=None, status=None)

									print(r.status)

									print(r.data.decode())

									print("--------------------")

									print(r.get_redirect_location())

									#302不是异常

九、urllib3 本身设置了https的处理，但是有警告

虽然可以请求，但是报如下警告：

InsecureRequestWarning: Unverified HTTPS request is being made. Adding certificate verification is strongly advised. See: https://urllib3.readthedocs.io/en/latest/advanced-usage.html#ssl-warnings
InsecureRequestWarning)

禁用警告：

				?

									import urllib3

									urllib3.disable_warnings() #禁用各种警告

									url = "https://www.12306.cn/mormhweb/"

									http = urllib3.PoolManager()

									r = http.request('get',url)

									print(r.data.decode())