anaconda中下载urllib2的问题,以及所有的调试均在python3.x版本

文章目录

1、urllib2问题：
2、urllib2库的基本使用
- （1）urlopen
- （2）Request
- （3）User-Agent
- （4）添加更多的Header信息

1、urllib2问题：

Solving environment: failedPackagesNotFoundError: The following packages are not available from current channels:- urllib2Current channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/noarch- https://repo.anaconda.com/pkgs/main/win-64- https://repo.anaconda.com/pkgs/main/noarch- https://repo.anaconda.com/pkgs/free/win-64- https://repo.anaconda.com/pkgs/free/noarch- https://repo.anaconda.com/pkgs/r/win-64- https://repo.anaconda.com/pkgs/r/noarch- https://repo.anaconda.com/pkgs/pro/win-64- https://repo.anaconda.com/pkgs/pro/noarch- https://repo.anaconda.com/pkgs/msys2/win-64- https://repo.anaconda.com/pkgs/msys2/noarchTo search for alternate channels that may provide the conda package you're
looking for, navigate tohttps://anaconda.organd use the search bar at the top of the page.

2、urllib2库的基本使用

所谓网页抓取，就是把URL地址中指定的网络资源从网络流中读取出来，保存到本地。在Python中有很多库可以用来抓取网页，我们先学习urllib2。

urllib2 是 Python2.7 自带的模块(不需要下载，导入即可使用)urllib2 官方文档：https://docs.python.org/2/library/urllib2.htmlurllib2 源码：https://hg.python.org/cpython/file/2.7/Lib/urllib2.py

urllib2在 python3.x 中被改为urllib.request

（1）urlopen

写一段代码：

 import urllib.requestresponse=urllib.request.urlopen("http://www.baidu.com")html=response.read()print html

print(html)问题
该代码，中的print在Python3.x中取消了以前Python 2中的语法，两者在打印输出的语法上有所差别，所以在Python 3下面使用之前的语法格式就会报错，错误信息已经提示你需要加上括号，字符串可以用单引号或双引号括起来，正确语法格式如下所示:print(html)

实际上，如果我们在浏览器上打开百度主页，右键选择“查看源代码”，你会发现，跟我们刚才打印出来的是一模一样。也就是说，上面的4行代码就已经帮我们把百度的首页的全部代码爬了下来。
一个基本的url请求对应的python代码真的非常简单。

（2）Request

在我们第一个例子里，urlopen()的参数就是一个url地址；
但是如果需要执行更复杂的操作，比如增加HTTP报头，必须创建一个 Request 实例来作为urlopen()的参数；而需要访问的url地址则作为 Request 实例的参数。

import urllib.request
request=urllib.request.Request("http://www.baidu.com")
response=urllib.request.urlopen(request)
html=reponse.read()
print(html)

代码中，显示：问题：远程主机强迫关闭了一个现有的链接

但是并不影响运行，运行结果完全一样

新建Request实例，除了必须要有 url 参数之外，还可以设置另外两个参数：data（默认空）：是伴随 url 提交的数据（比如要post的数据），同时 HTTP 请求将从 "GET"方式 改为 "POST"方式。headers（默认空）：是一个字典，包含了需要发送的HTTP报头的键值对。这两个参数下面会说到。

（3）User-Agent

这样直接用urllib.request给一个网站发送请求的话，确实略有些唐突了，就好比，人家每家都有门，你以一个路人的身份直接闯进去显然不是很礼貌。而且有一些站点不喜欢被程序（非人为访问）访问，有可能会拒绝你的访问请求。

但是如果我们用一个合法的身份去请求别人网站，显然人家就是欢迎的，所以我们就应该给我们的这个代码加上一个身份，就是所谓的User-Agent头。

浏览器：就是互联网世界上公认被允许的身份，如果我们希望我们的爬虫程序更像一个真实用户，那我们第一步，就是需要伪装成一个被公认的
浏览器。
用不同的浏览器在发送请求的时候，会有不同的User-Agent头。 urllib.request默认的User-Agent头为：Python-urllib/x.y（x和y是Python主
版本和次版本号,例如 Python-urllib/3.6）

import urllib.requesturl = "http://www.itcast.cn"#IE 9.0 的 User-Agent，包含在 ua_header里
ua_header = {"User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"} #  url 连同 headers，一起构造Request请求，这个请求将附带 IE9.0 浏览器的User-Agent
request = urllib.request.Request(url, headers = ua_header)# 向服务器发送这个请求
response = urllib.request.urlopen(request)html = response.read()
print html

则不会出现，远程主机强迫关闭了一个现有的链接的问题

（4）添加更多的Header信息

在 HTTP Request 中加入特定的 Header，来构造一个完整的HTTP请求消息。

可以通过调用Request.add_header() 添加/修改一个特定的header 也可以通过调用Request.get_header()来查看已有的header。

添加一个特定的header


import urllib.requesturl = "http://www.itcast.cn"# IE 9.0 的 User-Agent
header = {"User-Agent": "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"}
request = urllib.request.Request(url, headers=header)# 也可以通过调用Request.add_header() 添加/修改一个特定的header
request.add_header("Connection", "keep-alive")# 也可以通过调用Request.get_header()来查看header信息
# request.get_header(header_name="Connection")response = urllib.request.urlopen(request)print(response.code)  # 可以查看响应状态码
html = response.read()print(html)

随机添加/修改User-Agent

import urllib.request
import randomurl = "http://www.itcast.cn"ua_list = ["Mozilla/5.0 (Windows NT 6.1; ) Apple.... ","Mozilla/5.0 (X11; CrOS i686 2268.111.0)... ","Mozilla/5.0 (Macintosh; U; PPC Mac OS X.... ","Mozilla/5.0 (Macintosh; Intel Mac OS... "
]user_agent = random.choice(ua_list)request = urllib.request.Request(url)# 也可以通过调用Request.add_header() 添加/修改一个特定的header
request.add_header("User-Agent", user_agent)# 第一个字母大写，后面的全部小写
request.get_header("User-agent")response = urllib.request.urlopen(request)html = response.read()
print(html)