urllib基本使用 urlopen(),Request

urllib包含的常用模块：
import  urllib.request      # 打开和读取url请求
import  urllib.error        # 异常处理模块
import  urllib.parse        # url解析模块
import  urllib.robotparser  # robots.txt解析模块

"""
urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, 
    cadefault=False, context=None)

url:  需要打开的网址
data：默认为None，当data参数不为空的时候，提交方式为Post。
timeout：设置网站的访问超时时间

直接用urllib.request模块的urlopen（）获取页面内容，返回的数据格式为bytes类型，需要decode()解码，转换成str类型。

# 1、 get请求
import  urllib.request 

response = urllib.request.urlopen('http://www.baidu.com/')
print(response.read().decode('utf-8'))

# 2、 post请求
import  urllib.request     
import  urllib.parse

data = bytes(urllib.parse.urlencode({'world':'hello'}),encoding='utf8')
response = urllib.request.urlopen('http://httpbin.org/post',data= data)
print(response.read().decode('utf-8'))

# 3、超时时间
import  socket
import  urllib.request     
import  urllib.error

try:
    response = urllib.request.urlopen('http://httpbin.org/get',timeout= 1)
except urllib.error.URLError as e:
    if isinstance(e.reason,socket.timeout):
        print('time out')
        
urlopen返回对象提供方法：

- read() , readline() ,readlines() , fileno() , close() ：对HTTPResponse类型数据进行操作
- info()：返回HTTPMessage对象，表示远程服务器返回的头信息
- getcode()：返回Http状态码。如果是http请求，200请求成功完成;404网址未找到
- geturl()：返回请求的url
- response.status :请求状态码
- response.getheader(): 响应头信息,也可以传参数，获取特定的信息
"""

"""
使用Request
urllib.request.Request(url, data=None, headers={}, method=None)
使用request（）来包装请求，再通过urlopen（）获取页面。
1、data（默认空）：是伴随 url 提交的数据（比如要post的数据），同时 HTTP 请求将从 "GET"方式 改为 "POST"方式。
2、headers（默认空）：是一个字典，包含了需要发送的HTTP报头的键值对。

在 HTTP Request 中加入特定的 Header，来构造一个完整的HTTP请求消息。
可以通过调用Request.add_header() 添加/修改一个特定的header 也可以通过调用Request.get_header()来查看已有的header。

"""
url = 'http://httpbin.rog/post'
# 通过 User-Agent 伪装成浏览器
headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36',
    'Connection': 'keep-alive'
}

dict = {
    'name':'Andy'
}

data = bytes(urllib.parse.urlencode(dict),encoding='utf8')

# url 连同data, headers，一起构造Request请求，构造并返回一个Request对象
request = urllib.request.Request(url=url,data=data,headers=headers)

#可以通过调用Request.add_header() 添加/修改一个特定的header
#request.add_header("Connection", "keep-alive")
#可以通过调用Request.get_header()来查看header信息
#print(request.get_header(header_name='Connection'))

# 第一个字母大写，后面的全部小写
#print(request.get_header("User-agent"))

# Request对象作为urlopen()方法的参数，发送给服务器并接收响应
response = urllib.request.urlopen(request)
html = response.read().decode('utf-8')
print(html)