python爬虫urllib3模块详解
鉴于urllib请求模块的功能已经无法满足开发者的需求，出现了功能更强大的urllib3模块，urllib3模块是一个第三方的网络请求模块。
安装命令：pip install urllib3
1.发送网络请求
使用urllib3发送网络请求时，需要首先创建PoolManager对象，再通过该对象调用 request() 方法发送请求。
request(method,url,fields=None,headers=None)
- method 必选参数，用于指定请求方式，如GET，POST，PUT等。
- url 必须按参数，要访问的url
- fields 可选参数，设置请求的参数
- headers 可选参数，请求头
1.1GET请求
import urllib3 # 导入urllib3模块
url = 'https://www.python.org/'
http = urllib3.PoolManager() # 创建连接池管理对象
r = http.request('GET', url) # 发送GET请求
print(r.status) # 打印请求状态码
程序运行结果：
使用 PoolManager对象（即连接池管理对象） 可以实现向多个服务器发送请求。
import urllib3 # 导入urllib3模块
urllib3.disable_warnings() # 关闭ssl警告
jingdong_url = 'https://www.jd.com/' # 京东url地址
python_url = 'https://www.python.org/' # Python url地址
baidu_url = 'https://www.baidu.com/' # 百度url地址
http = urllib3.PoolManager() # 创建连接池管理对象
r1 = http.request('GET', jingdong_url) # 向京东地址发送GET请求
r2 = http.request('GET', python_url) # 向python地址发送GET请求
r3 = http.request('GET', baidu_url) # 向百度地址发送GET请求
print('京东请求状态码：', r1.status)
print('python请求状态码：', r2.status)
print('百度请求状态码：', r3.status)
程序运行结果：
1.2POST请求
发送post请求同样使用request方法，只需要将request方法中的method参数设置为POST，将fields参数设置为字典类型的表单参数。
import urllib3 # 导入urllib3模块
urllib3.disable_warnings() # 关闭ssl警告
url = 'https://www.httpbin.org/post' # post请求测试地址
params = {'name': 'Jack', 'country': '中国', 'age': 30} # 定义字典类型的请求参数，这里可以随意写进行测试
http = urllib3.PoolManager() # 创建连接池管理对象
r = http.request('POST', url, fields=params) # 发送POST请求
print('返回结果：', r.data.decode('utf-8'))
可以看出表单中的”中国”两个汉字没有正常显示。而是显示了一段unicode编码，对此可以将编码方式设置为unicode_escape。
print(r.data.decode('unicode_escape'))
这样就正常显示了。
1.3 重试请求
urllib3可以自动重试请求，request()方法请求重试次数默认为3次，如果要修改重试次数，可以设置retires参数。
import urllib3 # 导入urllib3模块
urllib3.disable_warnings() # 关闭ssl警告
url = 'https://www.httpbin.org/get' # get请求测试地址
http = urllib3.PoolManager() # 创建连接池管理对象
r = http.request('GET', url) # 发送GET请求,默认重试请求
r1 = http.request('GET', url, retries=5) # 发送GET请求,设置5次重试请求
r2 = http.request('GET', url, retries=False) # 发送GET请求,关闭重试请求
print('默认重试请求次数：', r.retries.total)
print('设置重试请求次数：', r1.retries.total)
print('关闭重试请求次数：', r2.retries.total)
程序运行结果：
1.4 处理响应内容
可通过info()方法获取响应头信息。
import urllib3 # 导入urllib3模块
urllib3.disable_warnings() # 关闭ssl警告
url = 'https://www.httpbin.org/get' # get请求测试地址
http = urllib3.PoolManager() # 创建连接池管理对象
r = http.request('GET', url) # 发送GET请求,默认重试请求
response_header = r.info() # 获取响应头
for key in response_header.keys(): # 循环遍历打印响应头信息
print(key, ':', response_header.get(key))
处理服务器返回的JSON信息
通过json模块的 loads() 方法将响应json数据转换为字典类型。
import urllib3 # 导入urllib3模块
import json # 导入json模块
urllib3.disable_warnings() # 关闭ssl警告
url = 'https://www.httpbin.org/post' # post请求测试地址
params = {'name': 'Jack', 'country': '中国', 'age': 30} # 定义字典类型的请求参数
http = urllib3.PoolManager() # 创建连接池管理对象
r = http.request('POST', url, fields=params) # 发送POST请求
j = json.loads(r.data.decode('unicode_escape')) # 将响应数据转换为字典类型
print('数据类型：', type(j))
print('获取form对应的数据：', j.get('form'))
print('获取country对应的数据：', j.get('form').get('country'))
二进制数据
如果响应数据为二进制数据，则可以使用open()函数将二进制数据转换为图片。
import urllib3 # 导入urllib3模块
urllib3.disable_warnings() # 关闭ssl警告
url = 'http://sck.rjkflm.com:666/spider/file/python.png' # 图片请求地址
http = urllib3.PoolManager() # 创建连接池管理对象
r = http.request('GET', url) # 发送网络请求
print(r.data) # 打印二进制数据
f = open('python.png', 'wb+') # 创建open对象
f.write(r.data) # 写入数据
f.close() # 关闭
运行结果省略。生成图片文件如下：
2.发送复杂请求
2.1 设置请求头
示例如下：
import urllib3 # 导入urllib3模块
urllib3.disable_warnings() # 关闭ssl警告
url = 'https://www.httpbin.org/get' # get请求测试地址
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36'}
http = urllib3.PoolManager() # 创建连接池管理对象
r = http.request('GET', url, headers=headers) # 发送GET请求
print(r.data.decode('utf-8')) # 打印返回内容
2.2 设置超时
超时的参数与时间可以写在request()方法中，也可以写在PoolManager()实例对象中。
示例：
import urllib3 # 导入urllib3模块
urllib3.disable_warnings() # 关闭ssl警告
baidu_url = 'https://www.baidu.com/' # 百度 超时请求测试地址
python_url = 'https://www.python.org/' # Python 超时请求测试地址
http = urllib3.PoolManager() # 创建连接池管理对象
try:
r = http.request('GET', baidu_url, timeout=0.01) # 发送GET请求，并设置超时时间为0.01秒
except Exception as error:
print('百度超时：', error)
http2 = urllib3.PoolManager(timeout=0.1) # 创建连接池管理对象,并设置超时时间为0.1秒
try:
r = http2.request('GET', python_url) # 发送GET请求
except Exception as error:
print('Python超时：', error)
如果需要更精准，则可以使用 Timeout 实例对象设置连接超时与读取超时。
示例代码：
import urllib3
from urllib3 import Timeout
urllib3.disable_warnings()
timeout = Timeout(connect=0.5, read=0.1)
http = urllib3.PoolManager(timeout=timeout)
http.request('GET', "https://www.python.org/")
或者
import urllib3
from urllib3 import Timeout
urllib3.disable_warnings()
timeout = Timeout(connect=0.5, read=0.1)
http = urllib3.PoolManager()
http.request('GET', "https://www.python.org/", timeout=timeout)
2.3设置代理
设置代理IP需要创建ProxyManager对象，该对象需要有两个参数；proxy_url表示需要使用的代理IP，headers即请求头。
import urllib3 # 导入urllib3模块
url = "http://httpbin.org/ip" # 代理IP请求测试地址
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36'
}
# 创建代理管理对象
proxy = urllib3.ProxyManager('xxxxxxxxxxxx', headers=headers)
r = proxy.request('get', url, timeout=2.0) # 发送请求
print(r.data.decode()) # 打印返回结果
（代理IP自行设置）
3.上传文件
request()方法提供了两种比较常用的文件上传方式：
①一种是通过fields参数以元组的形式分别指定文件名、文件内容以及文件类型
②另一种指定body参数，该参数对应值为图片的二进制数据，然后还需要headers参数指定文件类型
- 上传文本文件
创建一个test.txt文件放在相同目录下进行测试。
import urllib3 # 导入urllib3模块
import json # 导入json模块
with open('test.txt') as f: # 打开文本文件
data = f.read() # 读取文件
http = urllib3.PoolManager() # 创建连接池管理对象
# 发送网络请求
r = http.request('POST', 'http://httpbin.org/post', fields={'filefield': ('example.txt', data),})
files = json.loads(r.data.decode('utf-8'))['files'] # 获取上传文件内容
print(files)
创建一个python.jpg文件放在相同目录下进行测试。
- 上传图片文件
import urllib3 # 导入urllib3模块
with open('python.jpg', 'rb') as f: # 打开图片文件
data = f.read() # 读取文件
http = urllib3.PoolManager() # 创建连接池管理对象
# 发送请求
r = http.request('POST', 'http://httpbin.org/post', body=data, headers={'Content-Type': 'image/jpeg'})
print(r.data.decode()) # 打印返回结果
程序测试结果（部分）：
微信赞赏
支付宝赞赏
