Python模拟HttpRequest的方法总结

Python可以说是爬网的利器，本文主要介绍了一些python来模拟http请求的一些方法和技巧。

Python处理请求的类库有两个,urllib,urllib2。 这两个类库并不是一个类库的两个不同版本，urllib主要用来处理一些url相关的内容，发送请求的时候，请求对象只能是一个url。urllib2可以用request对象来实现请求，这样就可以实现如伪造头部，设置代理，http get，http post等方法。

阅读本文需要了解http请求的一些基本知识，如：

• 什么是httpwebrequest，httpwebresponse
• 什么是get，post
• 什么是cookie

本文主要介绍模拟请求用到的这些方式：

• 设置代理
• 伪造头部或者Header信息
• 启用cookie
• url参数的处理

使用urllib2.urlopen直接发送

import urllib2    url = 'http://www.baidu.com/'  response = urllib2.urlopen(url) ##urlopen接受传入参数是string或者是request  response_text = response.read()

使用urllib.build_opener

直接发送请求

import urllib2    url = 'http://www.baidu.com/'    opener = urllib2.build_opener()  response = opener.open(url)  response_text = response.read()

通过代理访问站点

proxy_handler = urllib2.ProxyHandler({"http" : 'http://localhost:8888'})  opener = urllib2.build_opener(proxy_handler)  response = opener.open(url)  response_text = response.read()

请求中附带request body(http post)

opener = urllib2.build_opener()  response = opener.open(url,'request body')  response_text = response.read()

body中如果是key-value形式的，可以参照下面的url处理部分来处理

启用Cookie

cookie = cookielib.CookieJar()  opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))  response = opener.open(url)  response_text = response.read()

使用urllib2.Request

请求中添加自定义的Header信息

request = urllib2.Request(url)  request.add_data('1234567')  request.add_header('User-Agent', 'fake-client')  response = urllib2.urlopen(request)

处理url中的参数信息

无论是使用get方式还是post方式，经常会遇到需要使用参数的形式，处理参数可以使用下面的类库

参数集合转string

para = {'111':'222','aaa':'bbb'}  encodeurl = urllib.urlencode(para)

输出aaa=bbb&111=222

url参数转dictionary

url = 'https://www.baidu.com/s?wd=python%20url%20querystring&pn=10&oq=python%20url%20querystring&tn=baiduhome_pg&ie=utf-8&usm=1&rsv_idx=2&rsv_pq=d09af93600035cb8&rsv_t=d151qRmNNdybGINHcKbyO360E2%2Fg%2FUs2t0MiKqRQXwhHZuNF3IlKyyStzYuofVZczQA3'    splitresult_instance = urlparse.urlsplit(url)

想转成集合只要

result_dic=urlparse.parse_qs(splitresult.query)

通过这种处理方式，把data信息放在url上来实现http get，放在body中实现http post。