python使用urllib模块和pyquery实现阿里巴巴排名查询_python教程-查字典教程网
python使用urllib模块和pyquery实现阿里巴巴排名查询
python使用urllib模块和pyquery实现阿里巴巴排名查询
发布时间:2016-12-28 来源:查字典编辑
摘要:urllib基础模块的应用,通过该类获取到url中的html文档信息,内部可以重写代理的获取方法复制代码代码如下:classProxyScr...

urllib基础模块的应用,通过该类获取到url中的html文档信息,内部可以重写代理的获取方法

复制代码 代码如下:

class ProxyScrapy(object):

def __init__(self):

self.proxy_robot = ProxyRobot()

self.current_proxy = None

self.cookie = cookielib.CookieJar()

def __builder_proxy_cookie_opener(self):

cookie_handler = urllib2.HTTPCookieProcessor(self.cookie)

handlers = [cookie_handler]

if PROXY_ENABLE:

self.current_proxy = ip_port = self.proxy_robot.get_random_proxy()

proxy_handler = urllib2.ProxyHandler({'http': ip_port[7:]})

handlers.append(proxy_handler)

opener = urllib2.build_opener(*handlers)

urllib2.install_opener(opener)

return opener

def get_html_body(self,url):

opener = self.__builder_proxy_cookie_opener()

request=urllib2.Request(url)

#request.add_header("Accept-Encoding", "gzip,deflate,sdch")

#request.add_header("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8")

#request.add_header("Cache-Control", "no-cache")

#request.add_header("Connection", "keep-alive")

try:

response = opener.open(request,timeout=2)

http_code = response.getcode()

if http_code == 200:

if PROXY_ENABLE:

self.proxy_robot.handle_success_proxy(self.current_proxy)

html = response.read()

return html

else:

if PROXY_ENABLE:

self.proxy_robot.handle_double_proxy(self.current_proxy)

return self.get_html_body(url)

except Exception as inst:

print inst,self.current_proxy

self.proxy_robot.handle_double_proxy(self.current_proxy)

return self.get_html_body(url)

相关阅读
推荐文章
猜你喜欢
附近的人在看
推荐阅读
拓展阅读
  • 大家都在看
  • 小编推荐
  • 猜你喜欢
  • 最新python学习
    热门python学习
    脚本专栏子分类