1. Cookie 为什么要使用Cookie呢？
Cookie，指某些网站为了辨别用户身份、进行session跟踪而储存在用户本地终端上的数据（通常经过加密）
比如说有些网站需要登录后才能访问某个页面，在登录之前，你想抓取某个页面内容是不允许的。那么我们可以利用Urllib库保存我们登录的Cookie，然后再抓取其他页面就达到目的了。
1.1 Opener 当你获取一个URL你使用一个opener(一个urllib.OpenerDirector的实例)。在前面，我们都是使用的默认的opener，也就是urlopen。它是一个特殊的opener，可以理解成opener的一个特殊实例，传入的参数仅仅是url，data，timeout。
如果我们需要用到Cookie，只用这个opener是不能达到目的的，所以我们需要创建更一般的opener来实现对Cookie的设置
1.2 Cookielib cookielib模块的主要作用是提供可存储cookie的对象，以便于与urllib模块配合使用来访问Internet资源。Cookielib模块非常强大，我们可以利用本模块的CookieJar类的对象来捕获cookie并在后续连接请求时重新发送，比如可以实现模拟登录功能。该模块主要的对象有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar
案例1：获取Cookie保存到变量 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 from urllib.request import HTTPCookieProcessor from urllib.request import build_opener from urllib.request import Request from http.cookiejar import CookieJar from urllib.parse import urlencode #声明一个CookieJar对象实例来保存cookie cookie = CookieJar() #利用HTTPCookieProcessor对象来创建cookie处理器 cookiePro = HTTPCookieProcessor(cookie) #通过handler来构建opener opener = build_opener(cookiePro) login_url = "http://www.sxt.cn/index/login/login" header = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.79 Safari/537.36"} fromdata = { "user": "17703181473", "password": "123456" } data = urlencode(fromdata).encode() request = Request(login_url, headers=header, data=data) response = opener.open(request) info_url = 'http://www.sxt.cn/index/user.html' request_info = Request(info_url) response = opener.open(request_info) html = response.read() print(html.decode())
我们使用以上方法将cookie保存到变量中，然后打印出了cookie中的值，运行结果如下
以上程序的原理如下
创建一个带有cookie的opener，在访问登录的URL时，将登录后的cookie保存下来，然后利用这个cookie来访问其他网址。
案例2：cookie保存文件的读取 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 from urllib.request import build_opener, Request from urllib.request import HTTPCookieProcessor from http.cookiejar import MozillaCookieJar from urllib.parse import urlencode def get_cookie(): # 请求头 headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36"} login_url = "http://www.sxt.cn/index/login/login.html" form_data = { "user": "17703181473", "password": "123456" } # 转换编码 f_data = urlencode(form_data) req = Request(login_url, headers=headers, data=f_data.encode()) # 创建保存可以序列化cookie的文件对象 cookie = MozillaCookieJar("cookie.txt") # 构造可保存cookie的控制器 c_handler = HTTPCookieProcessor(cookie) # 构造opener opener = build_opener(c_handler) # 发送请求 -- 登录成功 （用户名和密码 正确） opener.open(req) cookie.save(ignore_discard=True, ignore_expires=True) def use_cookie(): # 请求头 headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36"} info_url = "http://www.sxt.cn/index/user.html" # 创建保存可以序列化cookie的文件对象 cookie = MozillaCookieJar() # 加载cookie文件 cookie.load("cookie.txt", ignore_discard=True, ignore_expires=True) # 构造可保存cookie的控制器 c_handler = HTTPCookieProcessor(cookie) # 构造opener opener = build_opener(c_handler) # 构造访问个人页面请求 req1 = Request(info_url, headers=headers) # 发送请求 resp2 = opener.open(req1) # 打印信息 print(resp2.read().decode()) if __name__ == '__main__': # get_cookie() use_cookie()
2. URLError 首先解释下URLError可能产生的原因：
网络无连接，即本机无法上网
连接不到特定的服务器
服务器不存在
在代码中，我们需要用try-except语句来包围并捕获相应的异常,代码如下：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 from urllib.request import Request, urlopen from urllib.error import URLError url = "http://www.sx435334t.cn/index/us3er.html" try: headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36" } req = Request(url, headers=headers) resp = urlopen(url, timeout=1) print(resp.read().decode()) except URLError as e: if len(e.args) == 0: print(e.code) else: print(e.args[0]) print("获取数据完毕")
我们利用了 urlopen方法访问了一个不存在的网址，运行结果如下：
1 [Errno 11004] getaddrinfo failed