Python爬虫之网络请求
时间：2022-08-14 09:29:41|栏目：Python代码|点击： 次
1.IP代理
某些网站会检测一段时间内某IP的访问次数，若访问次数过多会禁止访问，这时需要设置一些代理服务器，每隔一段时间换一个代理。IP代理的分类：
- ①透明代理：目标网站可以得知使用了代理以及源IP地址，显然这不符合要求；
- ②匿名代理：目标网站知道使用了代理，但不知道源IP地址；
- ③高匿代理：最保险的方式，目标网站既不知道使用了代理，也不知道源IP地址。
2.Cookie
解决http的无状态性，第一次向服务器发送请求时，服务器生成Cookie作为请求头并储存到浏览器中；浏览器再次发送请求时将携带Cookie信息。
import urllib.request from http import cookiejar filename = 'cookie.txt' #获取Cookie def get_cookie(): #实例化一个MozillaCookieJar用于存储cookie cookie = cookiejar.MozillaCookieJar(filename) #创建handler对象 handler = urllib.request.HTTPCookieProcessor(cookie) #创建opener对象 opener = urllib.request.build_opener(handler) #请求网址 url = 'https://tieba.baidu.com/index.html?traceid=#' resp = opener.open(url) #发送请求 #存储cookie文件 cookie.save() #读取cookie def use_cookie(): #实例化MozillaCookieJar cookie = cookiejar.MozillaCookieJar() #加载cookie文件 cookie.load(filename) print(cookie) get_cookie() use_cookie()
3.异常处理
①urllib.error.URLError：用于捕获由urllib.request产生的异常，使用reason属性返回错误原因
import urllib.request import urllib.error url = 'http://www.google.com' try: resp = urllib.request.urlopen(url) except urllib.error.URLError as e: print(e.reason)
输出结果：
[WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。
②urllib.error.HTTPError：用于处理HTTP与HTTPS请求的错误，
有三个属性：
code：请求返回的状态码reason：返回错误的原因headers：请求返回的响应头信息
import urllib.request
import urllib.error
url = 'https://movie.douban.com/'
try:
resp = urllib.request.urlopen(url)
except urllib.error.HTTPError as e:
print('原因：',e.reason)
print('响应状态码：',str(e.code))
print('响应头数据：',e.headers)
