当前位置:   article > 正文

【转帖】使用python爬虫抓站的一些技巧总结:进阶篇

【转帖】使用python爬虫抓站的一些技巧总结:进阶篇

from http://obmem.info/?p=753

以前写过一篇使用python爬虫抓站的一些技巧总结,总结了诸多爬虫使用的方法;那篇东东现在看来还是挺有用的,但是当时很菜(现在也菜,但是比那时进步了不少),很多东西都不是很优,属于”只是能用”这么个层次。这篇进阶篇打算把“能用”提升到“用得省事省心”这个层次。

一、gzip/deflate支持

 现在的网页普遍支持gzip压缩,这往往可以解决大量传输时间,以VeryCD的主页为例,未压缩版本247K,压缩了以后45K,为原来的1/5。这就意味着抓取速度会快5倍。

然而python的urllib/urllib2默认都不支持压缩,要返回压缩格式,必须在request的header里面写明’accept-encoding’,然后读取response后更要检查header查看是否有’content-encoding’一项来判断是否需要解码,很繁琐琐碎。如何让urllib2自动支持gzip, defalte呢?

其实可以继承BaseHanlder类,然后build_opener的方式来处理:

  1. import urllib2
  2. from gzip import GzipFile
  3. from StringIO import StringIO
  4. class ContentEncodingProcessor(urllib2.BaseHandler):
  5. """A handler to add gzip capabilities to urllib2 requests """
  6.  
  7. # add headers to requests
  8. def http_request(self, req):
  9. req.add_header("Accept-Encoding", "gzip, deflate")
  10. return req
  11.  
  12. # decode
  13. def http_response(self, req, resp):
  14. old_resp = resp
  15. # gzip
  16. if resp.headers.get("content-encoding") == "gzip":
  17. gz = GzipFile(
  18. fileobj=StringIO(resp.read()),
  19. mode="r"
  20. )
  21. resp = urllib2.addinfourl(gz, old_resp.headers, old_resp.url, old_resp.code)
  22. resp.msg = old_resp.msg
  23. # deflate
  24. if resp.headers.get("content-encoding") == "deflate":
  25. gz = StringIO( deflate(resp.read()) )
  26. resp = urllib2.addinfourl(gz, old_resp.headers, old_resp.url, old_resp.code) # 'class to add info() and
  27. resp.msg = old_resp.msg
  28. return resp
  29.  
  30. # deflate support
  31. import zlib
  32. def deflate(data): # zlib only provides the zlib compress format, not the deflate format;
  33. try: # so on top of all there's this workaround:
  34. return zlib.decompress(data, -zlib.MAX_WBITS)
  35. except zlib.error:
  36. return zlib.decompress(data)

然后就简单了,

  1. encoding_support = ContentEncodingProcessor
  2. opener = urllib2.build_opener( encoding_support, urllib2.HTTPHandler )
  3.  
  4. #直接用opener打开网页,如果服务器支持gzip/defalte则自动解压缩
  5. content = opener.open(url).read()

二、更方便地多线程

总结一文的确提及了一个简单的多线程模板,但是那个东东真正应用到程序里面去只会让程序变得支离破碎,不堪入目。在怎么更方便地进行多线程方面我也动了一番脑筋。先想想怎么进行多线程调用最方便呢?

1、用twisted进行异步I/O抓取

事实上更高效的抓取并非一定要用多线程,也可以使用异步I/O法:直接用twisted的getPage方法,然后分别加上异步I/O结束时的callback和errback方法即可。例如可以这么干:

  1. from twisted.web.client import getPage
  2. from twisted.internet import reactor
  3.  
  4. links = [ 'http://www.verycd.com/topics/%d/'%i for i in range(5420,5430) ]
  5.  
  6. def parse_page(data,url):
  7. print len(data),url
  8.  
  9. def fetch_error(error,url):
  10. print error.getErrorMessage(),url
  11.  
  12. # 批量抓取链接
  13. for url in links:
  14. getPage(url,timeout=5) \
  15. .addCallback(parse_page,url) \ #成功则调用parse_page方法
  16. .addErrback(fetch_error,url) #失败则调用fetch_error方法
  17.  
  18. reactor.callLater(5, reactor.stop) #5秒钟后通知reactor结束程序
  19. reactor.run()

twisted人如其名,写的代码实在是太扭曲了,非正常人所能接受,虽然这个简单的例子看上去还好;每次写twisted的程序整个人都扭曲了,累得不得了,文档等于没有,必须得看源码才知道怎么整,唉不提了。

如果要支持gzip/deflate,甚至做一些登陆的扩展,就得为twisted写个新的HTTPClientFactory类诸如此类,我这眉头真是大皱,遂放弃。有毅力者请自行尝试。

这篇讲怎么用twisted来进行批量网址处理的文章不错,由浅入深,深入浅出,可以一看。

2、设计一个简单的多线程抓取类

还是觉得在urllib之类python“本土”的东东里面折腾起来更舒服。试想一下,如果有个Fetcher类,你可以这么调用

  1. f = Fetcher(threads=10) #设定下载线程数为10
  2. for url in urls:
  3. f.push(url) #把所有url推入下载队列
  4. while f.taskleft(): #若还有未完成下载的线程
  5. content = f.pop() #从下载完成队列中取出结果
  6. do_with(content) # 处理content内容

这么个多线程调用简单明了,那么就这么设计吧,首先要有两个队列,用Queue搞定,多线程的基本架构也和“技巧总结”一文类似,push方法和pop方法都比较好处理,都是直接用Queue的方法,taskleft则是如果有“正在运行的任务”或者”队列中的任务”则为是,也好办,于是代码如下:

  1. import urllib2
  2. from threading import Thread,Lock
  3. from Queue import Queue
  4. import time
  5.  
  6. class Fetcher:
  7. def __init__(self,threads):
  8. self.opener = urllib2.build_opener(urllib2.HTTPHandler)
  9. self.lock = Lock() #线程锁
  10. self.q_req = Queue() #任务队列
  11. self.q_ans = Queue() #完成队列
  12. self.threads = threads
  13. for i in range(threads):
  14. t = Thread(target=self.threadget)
  15. t.setDaemon(True)
  16. t.start()
  17. self.running = 0
  18.  
  19. def __del__(self): #解构时需等待两个队列完成
  20. time.sleep(0.5)
  21. self.q_req.join()
  22. self.q_ans.join()
  23.  
  24. def taskleft(self):
  25. return self.q_req.qsize()+self.q_ans.qsize()+self.running
  26.  
  27. def push(self,req):
  28. self.q_req.put(req)
  29.  
  30. def pop(self):
  31. return self.q_ans.get()
  32.  
  33. def threadget(self):
  34. while True:
  35. req = self.q_req.get()
  36. with self.lock: #要保证该操作的原子性,进入critical area
  37. self.running += 1
  38. try:
  39. ans = self.opener.open(req).read()
  40. except Exception, what:
  41. ans = ''
  42. print what
  43. self.q_ans.put((req,ans))
  44. with self.lock:
  45. self.running -= 1
  46. self.q_req.task_done()
  47. time.sleep(0.1) # don't spam
  48.  
  49. if __name__ == "__main__":
  50. links = [ 'http://www.verycd.com/topics/%d/'%i for i in range(5420,5430) ]
  51. f = Fetcher(threads=10)
  52. for url in links:
  53. f.push(url)
  54. while f.taskleft():
  55. url,content = f.pop()
  56. print url,len(content)

三、一些琐碎的经验

1、连接池:

opener.open和urllib2.urlopen一样,都会新建一个http请求。通常情况下这不是什么问题,因为线性环境下,一秒钟可能也就新生成一个请求;然而在多线程环境下,每秒钟可以是几十上百个请求,这么干只要几分钟,正常的有理智的服务器一定会封禁你的。

然而在正常的html请求时,保持同时和服务器几十个连接又是很正常的一件事,所以完全可以手动维护一个HttpConnection的池,然后每次抓取时从连接池里面选连接进行连接即可。

这里有一个取巧的方法,就是利用squid做代理服务器来进行抓取,则squid会自动为你维护连接池,还附带数据缓存功能,而且squid本来就是我每个服务器上面必装的东东,何必再自找麻烦写连接池呢。

2、设定线程的栈大小

栈大小的设定将非常显著地影响python的内存占用,python多线程不设置这个值会导致程序占用大量内存,这对openvz的vps来说非常致命。stack_size必须大于32768,实际上应该总要32768*2以上

  1. from threading import stack_size
  2. stack_size(32768*16)

3、设置失败后自动重试

  1. def get(self,req,retries=3):
  2. try:
  3. response = self.opener.open(req)
  4. data = response.read()
  5. except Exception , what:
  6. print what,req
  7. if retries>0:
  8. return self.get(req,retries-1)
  9. else:
  10. print 'GET Failed',req
  11. return ''
  12. return data

4、设置超时

  1. import socket
  2. socket.setdefaulttimeout(10) #设置10秒后连接超时

5、登陆

登陆更加简化了,首先build_opener中要加入cookie支持,参考“总结”一文;如要登陆VeryCD,给Fetcher新增一个空方法login,并在__init__()中调用,然后继承Fetcher类并override login方法:

  1. def login(self,username,password):
  2. import urllib
  3. data=urllib.urlencode({'username':username,
  4. 'password':password,
  5. 'continue':'http://www.verycd.com/',
  6. 'login_submit':u'登录'.encode('utf-8'),
  7. 'save_cookie':1,})
  8. url = 'http://www.verycd.com/signin'
  9. self.opener.open(url,data).read()

于是在Fetcher初始化时便会自动登录VeryCD网站。

四、总结

如此,把上述所有小技巧都糅合起来就和我目前的私藏最终版的Fetcher类相差不远了,它支持多线程,gzip/deflate压缩,超时设置,自动重试,设置栈大小,自动登录等功能;代码简单,使用方便,性能也不俗,可谓居家旅行,杀人放火,咳咳,之必备工具。

之所以说和最终版差得不远,是因为最终版还有一个保留功能“马甲术”:多代理自动选择。看起来好像仅仅是一个random.choice的区别,其实包含了代理获取,代理验证,代理测速等诸多环节,这就是另一个故事了。

posted @ 2011-05-12 23:16 Morya 阅读(357) 评论(0) 编辑

 

学用python也有3个多月了,用得最多的还是各类爬虫脚本:写过抓代理本机验证的脚本,写过在discuz论坛中自动登录自动发贴的脚本,写过自动收邮件的脚本,写过简单的验证码识别的脚本,本来想写google music的抓取脚本的,结果有了强大的gmbox,也就不用写了。
-
这些脚本有一个共性,都是和web相关的,总要用到获取链接的一些方法,再加上simplecd这个半爬虫半网站的项目,累积不少爬虫抓站的经验,在此总结一下,那么以后做东西也就不用重复劳动了。
 
-
1.最基本的抓站

  1. import urllib2
  2. content = urllib2.urlopen('http://XXXX').read()

-
2.使用代理服务器
这在某些情况下比较有用,比如IP被封了,或者比如IP访问的次数受到限制等等。

  1. import urllib2
  2. proxy_support = urllib2.ProxyHandler({'http':'http://XX.XX.XX.XX:XXXX'})
  3. opener = urllib2.build_opener(proxy_support, urllib2.HTTPHandler)
  4. urllib2.install_opener(opener)
  5. content = urllib2.urlopen('http://XXXX').read()

-
3.需要登录的情况
登录的情况比较麻烦我把问题拆分一下:
-
3.1 cookie的处理

  1. import urllib2, cookielib
  2. cookie_support= urllib2.HTTPCookieProcessor(cookielib.CookieJar())
  3. opener = urllib2.build_opener(cookie_support, urllib2.HTTPHandler)
  4. urllib2.install_opener(opener)
  5. content = urllib2.urlopen('http://XXXX').read()

是的没错,如果想同时用代理和cookie,那就加入proxy_support然后operner改为

opener = urllib2.build_opener(proxy_support, cookie_support, urllib2.HTTPHandler)

-
3.2 表单的处理
登录必要填表,表单怎么填?首先利用工具截取所要填表的内容
比如我一般用firefox+httpfox插件来看看自己到底发送了些什么包
这个我就举个例子好了,以verycd为例,先找到自己发的POST请求,以及POST表单项:
post1
post2
-
可以看到verycd的话需要填username,password,continueURI,fk,login_submit这几项,其中fk是随机生成的(其实不太随机,看上去像是把epoch时间经过简单的编码生成的),需要从网页获取,也就是说得先访问一次网页,用正则表达式等工具截取返回数据中的fk项。continueURI顾名思义可以随便写,login_submit是固定的,这从源码可以看出。还有username,password那就很显然了。
-
好的,有了要填写的数据,我们就要生成postdata

  1. import urllib
  2. postdata=urllib.urlencode({
  3. 'username':'XXXXX',
  4. 'password':'XXXXX',
  5. 'continueURI':'http://www.verycd.com/',
  6. 'fk':fk,
  7. 'login_submit':'登录'
  8. })

-
然后生成http请求,再发送请求:

  1. req = urllib2.Request(
  2. url = 'http://secure.verycd.com/signin/*/http://www.verycd.com/',
  3. data = postdata
  4. )
  5. result = urllib2.urlopen(req).read()

-
3.3 伪装成浏览器访问
某些网站反感爬虫的到访,于是对爬虫一律拒绝请求
这时候我们需要伪装成浏览器,这可以通过修改http包中的header来实现
#…

  1. headers = {
  2. 'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'
  3. }
  4. req = urllib2.Request(
  5. url = 'http://secure.verycd.com/signin/*/http://www.verycd.com/',
  6. data = postdata,
  7. headers = headers
  8. )
  9. #...

-
3.4 反”反盗链”
某些站点有所谓的反盗链设置,其实说穿了很简单,就是检查你发送请求的header里面,referer站点是不是他自己,所以我们只需要像3.3一样,把headers的referer改成该网站即可,以黑幕著称地cnbeta为例:

  1. #...
  2. headers = {
  3. 'Referer':'http://www.cnbeta.com/articles'
  4. }
  5. #...

headers是一个dict数据结构,你可以放入任何想要的header,来做一些伪装。例如,有些自作聪明的网站总喜欢窥人隐私,别人通过代理访问,他偏偏要读取header中的X-Forwarded-For来看看人家的真实IP,没话说,那就直接把X-Forwarde-For改了吧,可以改成随便什么好玩的东东来欺负欺负他,呵呵。
-
3.5 终极绝招
有时候即使做了3.1-3.4,访问还是会被据,那么没办法,老老实实把httpfox中看到的headers全都写上,那一般也就行了。
再不行,那就只能用终极绝招了,selenium直接控制浏览器来进行访问,只要浏览器可以做到的,那么它也可以做到。类似的还有pamie,watir,等等等等。
-
4.多线程并发抓取
单线程太慢的话,就需要多线程了,这里给个简单的线程池模板
这个程序只是简单地打印了1-10,但是可以看出是并发地。

  1. from threading import Thread
  2. from Queue import Queue
  3. from time import sleep
  4. #q是任务队列
  5. #NUM是并发线程总数
  6. #JOBS是有多少任务
  7. q = Queue()
  8. NUM = 2
  9. JOBS = 10
  10. #具体的处理函数,负责处理单个任务
  11. def do_somthing_using(arguments):
  12. print arguments
  13. #这个是工作进程,负责不断从队列取数据并处理
  14. def working():
  15. while True:
  16. arguments = q.get()
  17. do_somthing_using(arguments)
  18. sleep(1)
  19. q.task_done()
  20. #fork NUM个线程等待队列
  21. for i in range(NUM):
  22. t = Thread(target=working)
  23. t.setDaemon(True)
  24. t.start()
  25. #把JOBS排入队列
  26. for i in range(JOBS):
  27. q.put(i)
  28. #等待所有JOBS完成
  29. q.join()

5.验证码的处理
碰到验证码咋办?这里分两种情况处理:
-
1.google那种验证码,凉拌
-
2.简单的验证码:字符个数有限,只使用了简单的平移或旋转加噪音而没有扭曲的,这种还是有可能可以处理的,一般思路是旋转的转回来,噪音去掉,然后划分单个字符,划分好了以后再通过特征提取的方法(例如PCA)降维并生成特征库,然后把验证码和特征库进行比较。这个比较复杂,一篇博文是说不完的,这里就不展开了,具体做法请弄本相关教科书好好研究一下。
-
3.事实上有些验证码还是很弱的,这里就不点名了,反正我通过2的方法提取过准确度非常高的验证码,所以2事实上是可行的。
-
6.总结
基本上我遇到过的所有情况,用以上方法都顺利解决了,不太清楚还有没有其他漏掉的情况,所以本文到这里就完成了,以后要是碰上其他情况,再补充相关方法好了:)

本文后续见: http://obmem.info/?p=753

 
 

posted @ 2011-05-12 23:15 Morya 阅读(81) 评论(0) 编辑

copy from http://hi.baidu.com/chjj910/blog/item/7db5c24fbc699d19b2de0540.html
python基于http协议编程:httplib,urllib和urllib2(转)
2010-11-11 20:47
httplib实现了HTTP和HTTPS的客户端协议,一般不直接使用,在python更高层的封装模块中(urllib,urllib2)使用了它的http实现。
import  httplib
conn  =  httplib.HTTPConnection( " google.com " )
conn.request( ' get ' ,  ' / ' )
print  conn.getresponse().read()
conn.close()
httplib.HTTPConnection ( host [ , port [ , strict [ , timeout ]]] )

       HTTPConnection类的构造函数,表示一次与服务器之间的交互,即请求/响应。参数host表示服务器主机,如:http://www.csdn.net/;port为端口号,默认值为80; 参数strict的 默认值为false, 表示在无法解析服务器返回的状态行时( status line) (比较典型的状态行如: HTTP/1.0 200 OK ),是否抛BadStatusLine 异常;可选参数timeout 表示超时时间。
HTTPConnection提供的方法:

HTTPConnection.request ( method , url [ , body [ , headers ]] )

调用request 方法会向服务器发送一次请求,method 表示请求的方法,常用有方法有get 和post ;url 表示请求的资源的url ;body 表示提交到服务器的数据,必须是字符串(如果method 是”post” ,则可以把body 理解为html 表单中的数据);headers 表示请求的http 头。
HTTPConnection.getresponse ()
获取Http 响应。返回的对象是HTTPResponse 的实例,关于HTTPResponse 在下面 会讲解。
HTTPConnection.connect ()
连接到Http 服务器。
HTTPConnection.close ()
关闭与服务器的连接。
HTTPConnection.set_debuglevel ( level )
设置高度的级别。参数level 的默认值为0 ,表示不输出任何调试信息。
httplib.HTTPResponse
HTTPResponse表示服务器对客户端请求的响应。往往通过调用HTTPConnection.getresponse()来创建,它有如下方法和属性:
HTTPResponse.read([amt])
获取响应的消息体。如果请求的是一个普通的网页,那么该方法返回的是页面的html。可选参数amt表示从响应流中读取指定字节的数据。
HTTPResponse.getheader(name[, default])
获取响应头。Name表示头域(header field)名,可选参数default在头域名不存在的情况下作为默认值返回。
HTTPResponse.getheaders()
以列表的形式返回所有的头信息。
HTTPResponse.msg
获取所有的响应头信息。
HTTPResponse.version
获取服务器所使用的http协议版本。11表示http/1.1;10表示http/1.0。
HTTPResponse.status
获取响应的状态码。如:200表示请求成功。
HTTPResponse.reason
返回服务器处理请求的结果说明。一般为”OK”
下面通过一个例子来熟悉HTTPResponse中的方法:

import httplib
conn = httplib.HTTPConnection( " www.g.com " , 80 , False)
conn.request( ' get ' , ' / ' , headers = { " Host " : " www.google.com " ,
                                     " User-Agent " : " Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1) Gecko/20090624 Firefox/3.5 " ,
                                     " Accept " : " text/plain " })
res = conn.getresponse()
print ' version: ' , res.version
print ' reason: ' , res.reason
print ' status: ' , res.status
print ' msg: ' , res.msg
print ' headers: ' , res.getheaders()
# html
# print '\n' + '-' * 50 + '\n'
# print res.read()
conn.close()

Httplib模块中还定义了许多常量,如:
Httplib. HTTP_PORT 的值为80,表示默认的端口号为80;
Httplib.OK 的值为200,表示请求成功返回;
Httplib. NOT_FOUND 的值为404,表示请求的资源不存在;
可以通过httplib.responses 查询相关变量的含义,如:
Print httplib.responses[httplib.NOT_FOUND] #not found
更多关于httplib的信息,请参考Python手册httplib 模块。

urllib 和urllib2实现的功能大同小异,但urllib2要比urllib功能等各方面更高一个层次。目前的HTTP访问大部分都使用urllib2.
urllib2:

req = urllib2.Request( ' http://pythoneye.com ' )
response = urllib2.urlopen(req)
the_page = response.read()

FTP同样:

req  =  urllib2.Request( ' ftp://pythoneye.com ' )

urlopen返回的应答对象response有两个很有用的方法info()和geturl()
geturl — 这个返回获取的真实的URL,这个很有用,因为urlopen(或者opener对象使用的)或许
会有重定向。获取的URL或许跟请求URL不同。
Data数据
有时候你希望发送一些数据到URL
post方式:

values  = { ' body '  :  ' test short talk ' , ' via ' : ' xxxx ' }
data  =  urllib.urlencode(values)
req  =  urllib2.Request(url, data)

get方式:

data[ ' name ' ] = ' Somebody Here '
data[ ' location ' ] = ' Northampton '
data[ ' language ' ] = ' Python '
url_values = urllib.urlencode(data)
url = ' http://pythoneye.com/example.cgi '
full_url = url + ' ? ' + url_values
data = urllib2.open(full_url)

使用Basic HTTP Authentication:

import urllib2
# Create an OpenerDirector with support for Basic HTTP Authentication...
auth_handler = urllib2.HTTPBasicAuthHandler()
auth_handler.add_password(realm = ' PDQ Application ' ,
                           uri = ' https://pythoneye.com/vecrty.py ' ,
                           user = ' user ' ,
                           passwd = ' pass ' )
opener = urllib2.build_opener(auth_handler)
# ...and install it globally so it can be used with urlopen.
urllib2.install_opener(opener)
urllib2.urlopen( ' http://www. pythoneye.com/app.html ' )

使用代理ProxyHandler:

proxy_handler = urllib2.ProxyHandler({ ' http ' : ' http://www.example.com:3128/ ' })
proxy_auth_handler = urllib2.HTTPBasicAuthHandler()
proxy_auth_handler.add_password( ' realm ' , ' host ' , ' username ' , ' password ' )

opener = build_opener(proxy_handler, proxy_auth_handler)
# This time, rather than install the OpenerDirector, we use it directly:
opener.open( ' http://www.example.com/login.html ' )

URLError–HTTPError:


from urllib2 import Request, urlopen, URLError, HTTPError
req = Request(someurl)
try :
      response = urlopen(req)
except HTTPError, e:
      print ' Error code: ' , e.code
except URLError, e:
      print ' Reason: ' , e.reason
else :
       .............

或者:

from urllib2 import Request, urlopen, URLError
req = Request(someurl)
try :
      response = urlopen(req)
except URLError, e:
      if hasattr(e, ' reason ' ):
            print ' Reason: ' , e.reason
      elif hasattr(e, ' code ' ):
            print ' Error code: ' , e.code
      else :
            .............

通常,URLError在没有网络连接(没有路由到特定服务器),或者服务器不存在的情况下产生
异常同样会带有”reason”属性,它是一个tuple,包含了一个错误号和一个错误信息

req = urllib2.Request( ' http://pythoneye.com ' )
try :
    urllib2.urlopen(req)
except URLError, e:
    print e.reason
    print e.code
    print e.read()

最后需要注意的就是,当处理URLError和HTTPError的时候,应先处理HTTPError,后处理URLError
Openers和Handlers:
opener使用操作器(handlers)。所有的重活都交给这些handlers来做。每一个handler知道
怎么打开url以一种独特的url协议(http,ftp等等),或者怎么处理打开url的某些方面,如,HTTP重定向,或者HTTP
cookie。
默认opener有对普通情况的操作器 (handlers)- ProxyHandler, UnknownHandler, HTTPHandler,
HTTPDefaultErrorHandler, HTTPRedirectHandler, FTPHandler, FileHandler, HTTPErrorProcessor.
再看python API:Return an OpenerDirector instance, which chains the handlers in the order given
这就更加证明了一点,那就是opener可以看成是一个容器,这个容器当中放的是控制器,默认的,容器当中有五个控制
器,程序员也可以加入自己的控制器,然后这些控制器去干活。

class HTTPHandler(AbstractHTTPHandler):
     def http_open(self, req):
         return self.do_open(httplib.HTTPConnection, req)
     http_request = AbstractHTTPHandler.do_request_

HTTPHandler是Openers当中的默认控制器之一,看到这个代码,证实了urllib2是借助于httplib实现的,同时也证实了Openers和Handlers的关系。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/231572
推荐阅读
相关标签
  

闽ICP备14008679号