53. Python 爬虫（2）
CookieRequests通过会话信息来获取cookie信息
Cookie的五要素：
Name value domain pathexpires
打印cookie的五大要素
import requests
url = "http://www.hao123.com"
s = requests.session()
r = s.get(url)
print (r.cookies)
for cook in r.cookies:
print (cook.name)
print (cook.value)
print (cook.domain)
print (cook.path)
print (cook.expires)
print ("#" * 30)
打印结果：
<RequestsCookieJar[<Cookie BAIDUID=C425EDB0B83699C89BDA3D02B25C53BA:FG=1 for .hao123.com/>, <Cookie hz=0 for .www.hao123.com/>, <Cookie ft=1 for www.hao123.com/>, <Cookie v_pg=normal for www.hao123.com/>]>
BAIDUID
C425EDB0B83699C89BDA3D02B25C53BA:FG=1
.hao123.com
/
1548337791
##############################
hz
0
.www.hao123.com
/
None
##############################
ft
1
www.hao123.com
/
1516809599
##############################
v_pg
normal
www.hao123.com
/
None
##############################
你只要获得了登陆页的cookies，你就可对网站进行合理的请求和访问了。
使用已知cookie信息，如何访问网站：
import requests
url = 'http://httpbin.org/cookies'
r = requests.get(url, cookies={'key1': 'value1', 'key2': 'value2'})
print(r.text)
结果：
{
"cookies": {
"key1": "value1",
"key2": "value2"
}
}
请求到我的IP地址：
import requests
url = "http://2017.ip138.com/ic.asp"
s = requests.session()
r = s.get(url=url)
print (r.encoding)
r.encoding = "gbk"
print (r.text)
代理访问：
采集时为避免被封IP，经常会使用代理。
requests也有相应的proxies属性。
西刺代理
import requests
proxies = {
"http": "http://139.208.187.142:8118"
}
r1 = requests.get("http://2017.ip138.com/ic.asp", proxies=proxies)
r1.encoding = "gbk"
print (r1.text)
请求结果：
<html>
<head>
<meta http-equiv="content-type" content="text/html; ">
<title> 您的IP地址 </title>
</head>
<body style="margin:0px"><center>您的IP是： 来自：吉林省延边朝鲜族自治州 联通</center></body></html>
如果代理需要账户和密码，则需这样：
proxies = {
"http": "http://user:pass@10.10.1.10:3128/",
}
requests的中文乱码问题：
import requests
param = {"key1": "hello", "key2": "world"}
url = 'https://www.baidu.com/'
r = requests.get(url=url)
print(r.encoding) #ISO-8859-1默认使用的是这个
r.encoding = "utf-8"
print(r.text)
这样就可以正常显示了
总结：
Requests给你提供的所有接口，在传输数据的时候，都可以以key：value的形式进行传输，这个也是为什么特别使用requests的原因
如果你使用urllib，那么你就没有这么幸运了，很多事情都需要你自己去处理，并不可以直接通过dict的形式进行传输，需要进行装换。
Urllib 模块
在python2和python3上有差异
在python2上，urllib和urllib2各有各的功能，虽然urllib2是urllib的包装、升级版，但是urllib2还是不能完全替代urllib，而在python3中，则全部封装成1个类：urllib
python2：
import urllib
import urllib2
python3：
import urllib
Request方法：
import urllib.request
urllib.request.Request(url, data=None, headers = {}, method= None)
先看看python2中的urllib2和urllib的区别
（1）urllib2可以接收一个request对象，并以此可以来设置一个url的headers，但是urllib只可以接收一个url，这就意味着你不能通过urllib伪装自己的请求头。
举例：
python2中接收request对象：
urllib2.Request python3中接收request对象：
urllib.request.Request() python3 对这个方法重新进行了封装。
（2）ullib模板可以提供运行urlencode的方法，该方法用于GET查询字符串的生成，urllib2不具备这样的功能，而且urllib.quote等一系列qoute和unquote功能没有被加入urllib2中，因此有时也需要urllib的辅助。这就是为什么有时候urllib和urllib2一起使用的原因。（quote 是用来给url转码的）
举例：
python2中使用urllib.encode
data = {"key1":"hello", "key2":"world"}
d = urllib.encode(data)
作用：等同于域名后面的参数 www.**.com?key1=hello&key2=world
python3中使用parse.urlencode
from urllib import parse
import urllib.request
url = "www.hao123.com"
data = {"key1":"hello", "key2":"world"}
ndata = parse.urlencode(data) #将数据转化成一个字典形式
print (ndata)
#打印结果：key1=hello&key2=world
#继续往下：
req = urllib.request.Request(url=url, data=ndata.encode("utf-8"))
res = urllib.request.urlopen(req)
print (res.read().decode("utf-8"))
【注意】：urlencode（）主要作用就是将url附上要提交的数据。Post的数据必须是bytes或者iterable of bytes，不能是str，因此需要进行encode（）编码
方法解释：
urllib.request.urlopen(url, data=None, timeout=None)
url 需要打开的网站
data psot提交的数据
Timeout 网站访问的超时时间
但是没法伪装我们的头信息
from urllib import request
req = request.Request(url, headers=headers, data=data)
html = request.urlopen(req).read()
如果不自己添加信息，只需要加头信息，即添加一个字典形式的头信息即可访问，如下：
... ...
headers = {"User-Agent":
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36"}
req = urllib.request.Request(url=url, headers=headers)
res = urllib.request.urlopen(req)
print (res.read().decode("utf-8"))
分享链接：时下流行的浏览器User-Agent大全
http://blog.csdn.net/u012175089/article/details/61199238
同理，python2同样可以实现添加头信息，请求页面：
import urllib
import urllib2
headers = {"User-Agent":
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36"}
url = "https://www.qiushibaike.com"
req = urllib2.Request(url, headers=headers)
res = urllib2.urlopen(req)
print (res.read())
页:
[1]