Python 3.X 要使用urllib.request 来抓取网络资源。

最简单的方式：

#coding=utf-8import urllib.requestresponse = urllib.request.urlopen(‘http://python.org/‘)buff = response.read()#显示html = buff.decode("utf8")response.close()print(html)

使用Request的方式：

#coding=utf-8import urllib.requestreq = urllib.request.Request(‘http://www.voidspace.org.uk‘)response = urllib.request.urlopen(req)buff = response.read()#显示the_page = buff.decode("utf8")response.close()print(the_page)

这种方式同样可以用来处理其他URL，例如FTP：

#coding=utf-8import urllib.requestreq = urllib.request.Request(‘ftp://ftp.pku.edu.cn/‘)response = urllib.request.urlopen(req)buff = response.read()#显示the_page = buff.decode("utf8")response.close()print(the_page)

使用POST请求：

import urllib.parseimporturllib.requesturl = ‘http://www.someserver.com/cgi-bin/register.cgi‘values = {‘name‘ : ‘Michael Foord‘,          ‘location‘ : ‘Northampton‘,          ‘language‘ : ‘Python‘ }          data = urllib.parse.urlencode(values)req = urllib.request.Request(url, data)response = urllib.request.urlopen(req)the_page = response.read()

使用GET请求：

import urllib.requestimport urllib.parsedata = {}data[‘name‘] = ‘Somebody Here‘data[‘location‘] = ‘Northampton‘data[‘language‘] = ‘Python‘url_values = urllib.parse.urlencode(data)print(url_values)name=Somebody+Here&language=Python&location=Northamptonurl = ‘http://www.example.com/example.cgi‘full_url = url + ‘?‘ + url_valuesdata = urllib.request.open(full_url)

添加header：

import urllib.parseimport urllib.requesturl = ‘http://www.someserver.com/cgi-bin/register.cgi‘user_agent = ‘Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)‘values = {‘name‘ : ‘Michael Foord‘,          ‘location‘ : ‘Northampton‘,          ‘language‘ : ‘Python‘ }headers = { ‘User-Agent‘ : user_agent }data = urllib.parse.urlencode(values)req = urllib.request.Request(url, data, headers)response = urllib.request.urlopen(req)the_page = response.read()

错误处理：

req = urllib.request.Request(‘http://www.pretend_server.org‘)try: urllib.request.urlopen(req)except urllib.error.URLError as e:    print(e.reason)

返回的错误代码：

# Table mapping response codes to messages; entries have the# form {code: (shortmessage, longmessage)}.responses = {    100: (‘Continue‘, ‘Request received, please continue‘),    101: (‘Switching Protocols‘,          ‘Switching to new protocol; obey Upgrade header‘),    200: (‘OK‘, ‘Request fulfilled, document follows‘),    201: (‘Created‘, ‘Document created, URL follows‘),    202: (‘Accepted‘,          ‘Request accepted, processing continues off-line‘),    203: (‘Non-Authoritative Information‘, ‘Request fulfilled from cache‘),    204: (‘No Content‘, ‘Request fulfilled, nothing follows‘),    205: (‘Reset Content‘, ‘Clear input form for further input.‘),    206: (‘Partial Content‘, ‘Partial content follows.‘),    300: (‘Multiple Choices‘,          ‘Object has several resources -- see URI list‘),    301: (‘Moved Permanently‘, ‘Object moved permanently -- see URI list‘),    302: (‘Found‘, ‘Object moved temporarily -- see URI list‘),    303: (‘See Other‘, ‘Object moved -- see Method and URL list‘),    304: (‘Not Modified‘,          ‘Document has not changed since given time‘),    305: (‘Use Proxy‘,          ‘You must use proxy specified in Location to access this ‘          ‘resource.‘),    307: (‘Temporary Redirect‘,          ‘Object moved temporarily -- see URI list‘),    400: (‘Bad Request‘,          ‘Bad request syntax or unsupported method‘),    401: (‘Unauthorized‘,          ‘No permission -- see authorization schemes‘),    402: (‘Payment Required‘,          ‘No payment -- see charging schemes‘),    403: (‘Forbidden‘,          ‘Request forbidden -- authorization will not help‘),    404: (‘Not Found‘, ‘Nothing matches the given URI‘),    405: (‘Method Not Allowed‘,          ‘Specified method is invalid for this server.‘),    406: (‘Not Acceptable‘, ‘URI not available in preferred format.‘),    407: (‘Proxy Authentication Required‘, ‘You must authenticate with ‘          ‘this proxy before proceeding.‘),    408: (‘Request Timeout‘, ‘Request timed out; try again later.‘),    409: (‘Conflict‘, ‘Request conflict.‘),    410: (‘Gone‘,          ‘URI no longer exists and has been permanently removed.‘),    411: (‘Length Required‘, ‘Client must specify Content-Length.‘),    412: (‘Precondition Failed‘, ‘Precondition in headers is false.‘),    413: (‘Request Entity Too Large‘, ‘Entity is too large.‘),    414: (‘Request-URI Too Long‘, ‘URI is too long.‘),    415: (‘Unsupported Media Type‘, ‘Entity body in unsupported format.‘),    416: (‘Requested Range Not Satisfiable‘,          ‘Cannot satisfy request range.‘),    417: (‘Expectation Failed‘,          ‘Expect condition could not be satisfied.‘),    500: (‘Internal Server Error‘, ‘Server got itself in trouble‘),    501: (‘Not Implemented‘,          ‘Server does not support this operation‘),    502: (‘Bad Gateway‘, ‘Invalid responses from another server/proxy.‘),    503: (‘Service Unavailable‘,          ‘The server cannot process the request due to a high load‘),    504: (‘Gateway Timeout‘,          ‘The gateway server did not receive a timely response‘),    505: (‘HTTP Version Not Supported‘, ‘Cannot fulfill request.‘),    }

Python 3.X 要使用urllib.request 来抓取网络资源。转