python爬虫---mechanize

mechanize介绍

mechanize是对urllib2的部分功能的替换，能够更好的模拟浏览器行为，在Web访问控制方面做得更全面。

它对protocol, cookie, redirection都做了比较好的支持，再结合beautifulsoup和re模块，

可以非常有效的解析web页面。

常用函数

.CookieJar()：设置cookie
.Browser()：打开浏览器
.addheaders()：User-Agent，用来欺骗服务器的
.open()：打开网页，按照官网描述可以打开任意网页，不仅限于http
.select_form()：选择表单的，选择表单的ID的时候需要注意。
.form[]：填写信息
.submit()：提交

1.初始化并建立一个浏览器对象

如果没有mechanize需要easy_install安装，以下代码建立浏览器对象并作了一些初始化设置，实际使用过程可以按需开关。

其实只用默认的设置也可以完成基本任务。

import mechanize

br = mechanize.Browser() # 创建一个浏览器实例

br.set_handle_equiv(True) # 设置是否处理HTML http-equiv标头

br.set_handle_redirect(True) # 设置是否处理重定向

br.set_handle_referer(True) # 设置是否向每个请求添加referer头

br.set_handle_robots(False) # 设置是否遵守robots中的规则

br.set_handle_gzip(True) # 设置是否处理giz传输编码

br.addheaders = [...] # 设置浏览器的头部信息

#Follows refresh 0 but not hangs on refresh > 0
br.set_handle_refresh(mechanize._http.HTTPRefreshProcessor(), max_time=1)

#debugging?
br.set_debug_http(True)
br.set_debug_redirects(True)
br.set_debug_responses(True)

2.模拟浏览器行为

浏览器对象建立并初始化完毕之后即可使用了，下面给出几个例子（代码承接以上部分）

获取web网页

分行打印可以逐个查看详细信息，就不赘述

r = br.open(sys.argv[1])
html = r.read()
print html
print br.response().read()
print br.title()
print r.info()

模拟谷歌和百度查询

打印和选择forms，然后填写相应键值，通过post提交完成操作

for f in br.forms():
print f
br.select_form(nr=0)

谷歌查询football

br.form['q'] = 'football'
br.submit()
print br.response().read()

百度查询football

br.form['wd'] = 'football'
br.submit()
print br.response().read()

相应键值名，可以通过打印查出

回退（Back）---浏览器历史

非常简单的操作，打印url即可验证是否回退

# Back
br.back()
print br.geturl()

3.http基本认证

br.add_password('http://xxx.com', 'username', 'password')
br.open('http://xxx.com')

4.form认证

以登陆人人网为例，打印forms可以查出用户名和密码键信息

br.select_form(nr = 0)
br['email'] = username
br['password'] = password
resp = self.br.submit()

5.cookie支持

通过导入cookielib模块，并设置浏览器cookie，可以在需要认证的网络行为之后不用重复认证登陆。通过保存session cookie即可重新访问，Cookie Jar完成了该功能。

#!/usr/bin/env python
import mechanize, cookielib
br = mechanize.Browser()
cj = cookielib.LWPCookieJar()
br.set_cookiejar()

6.proxy设置

设置http代理

#Proxy
br.set_proxies({"http":"proxy.com:8888"})
br.add_proxy_password("username", "password")
#Proxy and usrer/password
br.set_proxies({"http":"username:password@proxy.com:8888"})

7.下载

# Download
f = br.retrieve('http://www.google.com.br/intl/pt-BR_br/images/logo.gif')[0]
print f
fh = open(f)

8.简单的打开网页

# Simple open?
import urllib2
print urllib2.urlopen('http://stockrt.github.com').read()
# With password?
import urllib
opener = urllib.FancyURLopener()
print opener.open('http://user:password@stockrt.github.com').read()

较好的实践：

http://blog.csdn.net/jeanphorn/article/details/46917159

http://blog.csdn.net/zhaodedong/article/details/46432921

http://www.jb51.net/article/65518.htm

python爬虫---mechanize相关推荐

通过python爬虫mechanize库爬取本机的ip地址
需求分析最近,各平台更新的ip属地功能非常火爆,因此呢,也出现了许多新的网络用语,比如说"xx加几分","xx扣大分"等等,非常的有趣啊可是呢,最近一个小伙 ...
Python使用Mechanize模块编写爬虫的要点解析
这篇文章主要介绍了Python使用Mechanize模块编写爬虫的要点解析,作者还讲解了Mechanize程序占用内存过高问题的相关解决方法,需要的朋友可以参考下 mechanize是对urllib2 ...
linux环境Mechanize安装,Python 爬虫：Mechanize 安装与测试
原标题:Python 爬虫:Mechanize 安装与测试 Mechanize是Python的一个模块,用于模拟浏览器.Mechanize的易用性和实用性比较平衡,功能强大而又简单易用. 1.安装Me ...
python 爬虫抓站
python 爬虫抓站记录(虾米,百度,豆瓣,新浪微博) python 下用到的库,urllib, urllib2, BeautifulSoup, cookielib, mechanize, re ...
java 爬虫框架_不知道Python爬虫？这篇文章丢给他（内含框架结构）
前言爬虫即网络爬虫,英文是Web Spider.翻译过来就是网络上爬行的蜘蛛,如果把互联网看作一张大网,那么爬虫就是在大网上爬来爬去的蜘蛛,碰到想要的食物,就把他抓取出来. 我们在浏览器中输入一个网 ...
基于python爬虫技术的应用_基于Python爬虫技术的应用
办公自动化杂志一.引言本文主要是对 Python 爬虫技术进行阐述,基于 python 的爬虫与其他语言相比的有很多优势.通过爬去某个网站的所有新闻这个案例,来进一步阐释 Python 爬虫技术的 ...
python爬虫作用小工具_【python小课堂|史上最全的Python爬虫工具列表大全】- 环球网校...
[摘要]在这个科学技术高速发展的时代,越来越多的人都开始选择学习编程软件,那么首先被大家选择的编程软件就是python,也用在各行各业之中,并被大家所熟知,所以也有python学习者关注Python爬 ...
爬虫只能用python吗_只针对 Python 爬虫，该如何学习？
最近刚好准备开始写一个从零开始写python爬虫的系列专栏希望能帮助到你. 这里先把导言部分贴过来 ------------------------------------------- 从零开始 ...
python 爬虫框架_Python常用的几个高效率的爬虫框架
1.Scrapy Scrapy是一个为了爬取网站数据,提取结构性数据而编写的应用框架. 可以应用在包括数据挖掘,信息处理或存储历史数据等一系列的程序中.用这个框架可以轻松爬下来如亚马逊商品信息之类的数 ...

python爬虫---mechanize

常用函数

python爬虫---mechanize相关推荐

最新文章

热门文章