概述
urllib是python最基础、最核心的HTTP协议支持库，诸多第三方库都依赖urllib，所以urllib是必须掌握的HTTP库。
掌握了urllib有利于：
- 深入理解http协议
- 可以更好的学习和掌握第三方http库
- 快速的开展基于http的接口测试
- 快速进入爬虫学习之路
urllib组成
我们一起看下urllib由哪些模块或类构成：
- urllib.request
用于构建http请求 - urllib.response
用于处理http响应值的类 - urllib.parse 用于url处理
- urllib.error
用于错误处理 - urllib.robotparser
用于处理robot.txt文件
爬取数据实例
下面我们基于豆瓣网的API来看看代码实例
豆瓣网API网址：https:///wiki/?title=guide
下面的实例演示了如何使用豆瓣网的API 进行数据爬取，从而演示urllib的强大能力。
请勿使用下述代码持续爬取数据
请勿使用下述代码持续爬取数据
请勿使用下述代码持续爬取数据
# -*- coding:utf-8 -*-
__author__ = '苦叶子'
import urllib.request
import csv
import codecs
if __name__ == "__main__":
print("urllib爬取豆瓣网数据示例")
print("搜索下关键字： Python")
url = "https:///v2/book/search?q=python"
response = urllib.request.urlopen(url)
# 将bytes数据流解码成string
ebook_str = response.read().decode()
# 将string转换成dict
ebook_dict = eval（ebook_str)
#print(ebook_dict)
#print(type(ebook_dict))
count = ebook_dict["count"]
total = ebook_dict["total"]
with codecs.open('books.csv', 'w', 'utf-8') as csvfile:
spamwriter = csv.writer(csvfile, delimiter=',',
quotechar='|', quoting=csv.QUOTE_MINIMAL)
spamwriter.writerow(["书名", "作者", "描述", "出版社", "价格"])
# 写书信息
for book in ebook_dict["books"]:
spamwriter.writerow([book["title"],
",".join(book["author"]),
book["summary"],
book["publisher"],
book["price"]])
# 从第2页开始，获取其他书籍信息
# 这段代码采集了大量数据，容易被封IP，所以注释了
"""
for start in range(1, int(total / count) + 1):
url = "https:///v2/book/search?q=python&start=%d" % start
try:
response = urllib.request.urlopen(url)
except:
print("别老爬别人的数据，要爬也别太快，会被封IP的")
break
# 将bytes数据流解码成string
ebook_str = response.read().decode()
# 将string转换成dict
ebook_dict = eval（ebook_str)
# 输出书籍信息
for book in ebook_dict["books"]:
spamwriter.writerow([book["title"],
",".join(book["author"]),
book["summary"],
book["publisher"],
book["price"]])
"""
print("总计搜索了 %d 本书的信息" % total)请勿使用上述代码持续爬取数据
请勿使用上述代码持续爬取数据
请勿使用上述代码持续爬取数据
对于其他的接口，这里就不再演示。
基本功能实例
下面我们演示下urllib基本功能实例，例如如何获取返回码等等基本信息。
# -*- coding:utf-8 -*-
__author__ = '苦叶子'
import urllib.request
if __name__ == "__main__":
print("urllib基本实例")
url = "http://"
# 访问下百度
response = urllib.request.urlopen(url)
# 打印下状态码
print(response.status)
# 打印下状态码对应的可读性文字说明，例如在http协议里，200 对应 OK
print(response.reason)
# 打印下请求返回的header
print(response.headers)
# 打印下请求返回的数据
print(response.read().decode("utf-8"))上述仅仅是urllib的基本功能，还有更强大的功能，我们后续再分享。
