发布于 2014-10-04 19:58:58 | 69 次阅读 | 评论: 0 | 来源: 网友投递

这里有新鲜出炉的Python3 Cookbook中文版,程序狗速度看过来!

Python编程语言

Python 是一种面向对象、解释型计算机程序设计语言,由Guido van Rossum于1989年底发明,第一个公开发行版发行于1991年。Python语法简洁而清晰,具有丰富和强大的类库。它常被昵称为胶水语言,它能够把用其他语言制作的各种模块(尤其是C/C++)很轻松地联结在一起。


本文是一个python实现的使用urllib模块和pyquery实现阿里巴巴排名查询的示例代码,其中涉及到urllib代理的设置,pyquery对html文档的解析,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,感兴趣的同学参考下.


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 :
python使用urllib模块和pyquery实现阿里巴巴排名查询
python使用urllib模块显示下载进度条示例
Python使用urllib模块的urlopen超时问题解决方法
python使用smtplib模块通过gmail实现邮件发送的方法
Python使用os模块和fileinput模块来操作文件目录
Python使用lxml模块和Requests模块抓取HTML页面的教程
Python使用poplib模块和smtplib模块收发电子邮件的教程
Python 使用requests模块发送GET和POST请求的实现代码
python使用socket模块实现代理示例
python使用multiprocessing模块实现带回调函数的异步调用方法
Python使用shelve模块实现简单数据存储的方法
python使用PIL模块实现给图片打水印的方法
最新网友评论  共有(0)条评论 发布评论 返回顶部

Copyright © 2007-2017 PHPERZ.COM All Rights Reserved   冀ICP备14009818号  版权声明  广告服务