1.基本方法

• url: 需要開啟的網址
• data：Post提交的資料
• timeout：設定網站的訪問超時時間
  直接用urllib.request模組的urlopen（）獲取頁面，page的資料格式為bytes型別，需要decode（）解碼，轉換成str型別。

from urllib import request
response = request.urlopen(r'http://python.org/') # <http.client.HTTPResponse object at 0x00000000048BC908> HTTPResponse型別
page = response.read()
page = page.decode('utf-8'
 
)

urlopen返回物件提供方法：
- read() , readline() ,readlines() , fileno() , close() ：對HTTPResponse型別資料進行操作
- info()：返回HTTPMessage物件，表示遠端伺服器返回的頭資訊
- getcode()：返回Http狀態碼。如果是http請求，200請求成功完成;404網址未找到
- geturl()：返回請求的url

2.使用Request

urllib.request.Request(url, data=None, headers={}, method=None)

使用request（）來包裝請求，再通過urlopen（）獲取頁面。

url = r'http://www.lagou.com/zhaopin/Python/?labelWords=label'
headers = {
      'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
                    r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
      'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label'
 
,
      'Connection': 'keep-alive'
  }
 req = request.Request(url, headers=headers)
 page = request.urlopen(req).read()
 page = page.decode('utf-8')

用來包裝頭部的資料：
- User-Agent ：這個頭部可以攜帶如下幾條資訊：瀏覽器名和版本號、作業系統名和版本號、預設語言
- Referer：可以用來防止盜鏈，有一些網站圖片顯示來源http://*.com，就是檢查Referer來鑑定的
- Connection：表示連線狀態，記錄Session的狀態。

3.Post資料

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

urlopen（）的data引數預設為None，當data引數不為空的時候，urlopen（）提交方式為Post。

from urllib import request, parse
url = r'http://www.lagou.com/jobs/positionAjax.json?'
headers = {
     'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
                   r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
     'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
     'Connection': 'keep-alive'
 }
data = {
     'first': 'true',
     'pn': 1,
     'kd': 'Python'
 }
data = parse.urlencode(data).encode('utf-8')
req = request.Request(url, headers=headers, data=data)
page = request.urlopen(req).read()
page = page.decode('utf-8')

urllib.parse.urlencode(query, doseq=False, safe=”, encoding=None, errors=None)

urlencode（）主要作用就是將url附上要提交的資料。

data = {
     'first': 'true',
     'pn': 1,
     'kd': 'Python'
 }
data = parse.urlencode(data).encode('utf-8')

經過urlencode（）轉換後的data資料為?first=true?pn=1?kd=Python，最後提交的url為

http://www.lagou.com/jobs/positionAjax.json?first=true?pn=1?kd=Python

Post的資料必須是bytes或者iterable of bytes，不能是str，因此需要進行encode（）編碼

page = request.urlopen(req, data=data).read()

當然，也可以把data的資料封裝在urlopen（）引數中

4.異常處理

def get_page(url):
     headers = {
         'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
                      r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
          'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
          'Connection': 'keep-alive'
      }
      data = {
         'first': 'true',
         'pn': 1,
         'kd': 'Python'
     }
     data = parse.urlencode(data).encode('utf-8')
     req = request.Request(url, headers=headers)                                            
     try:
         page = request.urlopen(req, data=data).read()
         page = page.decode('utf-8')
     except error.HTTPError as e:
         print(e.code())
         print(e.read().decode('utf-8'))
     return page

5、使用代理

data = {
         'first': 'true',
         'pn': 1,
         'kd': 'Python'
     }
proxy = request.ProxyHandler({'http': '5.22.195.215:80'})  # 設定proxy
opener = request.build_opener(proxy)  # 掛載opener
request.install_opener(opener)  # 安裝opener
data = parse.urlencode(data).encode('utf-8')
page = opener.open(url, data).read()
page = page.decode('utf-8')
return page