urllib2 是 Python2.7 自带的模块(不需要下载，导入即可使用)

 urllib2 官方文档：https://docs.python.org/2/library/urllib2.html urllib2 源码：https://hg.python.org/cpython/file/2.7/Lib/urllib2.py 
5 urllib2 在 python3.x 中被改为urllib.request

import urllib2

# 向指定的url发送请求，并返回服务器响应的类文件对象

response = urllib2.urlopen("http://www.baidu.com")

# 类文件对象支持 文件对象的操作方法，如read()方法读取文件全部内容，返回字符串　

html = response.read()　　　　　　　　　　　　　　　　　　　　

print html

import urllib2

# url 作为Request()方法的参数，构造并返回一个Request对象

request = urllib2.Request("http://www.baidu.com")

# Request对象作为urlopen()方法的参数，发送给服务器并接收响应　　

response = urllib2.urlopen(request)　

　　　　　　　　　　　

html = response.read() print html

    Request实例，除了必须要有 url 参数之外，还可以设置另外两个参数：

        data（默认空）：是伴随 url 提交的数据（比如要post的数据），同时 HTTP 请求将从 "GET"方式 改为 "POST"方式；

        headers（默认空）：是一个字典，包含了需要发送的HTTP报头的键值对。

import urllib2

url = "http://www.itcast.cn"

# IE 9.0 的 User-Agent，包含在 ua_header里

ua_header = {"User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"} 

# url 连同 headers，一起构造Request请求，这个请求将附带 IE9.0 浏览器的User-Agent

request = urllib2.Request(url, headers = ua_header)

# 向服务器发送这个请求

response = urllib2.urlopen(request)

html = response.read()

print html

'''

添加更多的Header信息

在 HTTP Request 中加入特定的 Header，来构造一个完整的HTTP请求消息。

可以通过调用Request.add_header() 添加/修改一个特定的header 也可以通过调用Request.get_header()来查看已有的header。

'''

添加一个特定的header

# urllib2_headers.py

import urllib2

url = "http://www.itcast.cn"

#IE 9.0 的 User-Agent

header = {"User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"}

request = urllib2.Request(url, headers = header)

#也可以通过调用Request.add_header() 添加/修改一个特定的header

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

# 也可以通过调用Request.get_header()来查看header信息

# request.get_header(header_name="Connection")

response = urllib2.urlopen(req)

print response.code     #可以查看响应状态码

html = response.read()

print html

添加/修改User-Agent

# urllib2_add_headers.py

import urllib2

import random

url = "http://www.itcast.cn"

ua_list = [

            "Mozilla/5.0 (Windows NT 6.1; ) Apple.... ",

            "Mozilla/5.0 (X11; CrOS i686 2268.111.0)... ",

            "Mozilla/5.0 (Macintosh; U; PPC Mac OS X.... ",

            "Mozilla/5.0 (Macintosh; Intel Mac OS... "

          ]

user_agent = random.choice(ua_list)

request = urllib2.Request(url)

#也可以通过调用Request.add_header() 添加/修改一个特定的header

request.add_header("User-Agent", user_agent)

# 第一个字母大写，后面的全部小写

request.get_header("User-agent")

response = urllib2.urlopen(req)

html = response.read()

print html

• urllib 仅可以接受URL，不能创建 设置了headers 的Request 类实例；
• 但是 urllib 提供 urlencode 方法用来GET查询字符串的产生，而 urllib2 则没有。（这是 urllib 和 urllib2 经常一起使用的主要原因）
• 编码工作使用urllib的urlencode()函数，帮我们将key:value这样的键值对转换成"key=value"这样的字符串，解码工作可以使用urllib的unquote()函数。（注意，不是urllib2.urlencode() )
• 一般HTTP请求提交数据，需要编码成 URL编码格式，然后做为url的一部分，或者作为参数传到Request对象中

 实例：百度贴吧爬虫

 if __name__ == "__main__":

     kw = raw_input("请输入需要爬取的贴吧:")

     # 输入起始页和终止页，str转成int类型

     beginPage = int(raw_input("请输入起始页："))

     endPage = int(raw_input("请输入终止页："))

     url = "http://tieba.baidu.com/f?"

     key = urllib.urlencode({"kw" : kw})

     # 组合后的url示例：http://tieba.baidu.com/f?kw=lol

     url = url + key

     tiebaSpider(url, beginPage, endPage)

 def tiebaSpider(url, beginPage, endPage):

     """

         作用：负责处理url，分配每个url去发送请求

         url：需要处理的第一个url

         beginPage: 爬虫执行的起始页面

         endPage: 爬虫执行的截止页面

     """

     for page in range(beginPage, endPage + 1):

         pn = (page - 1) * 50

         filename = "第" + str(page) + "页.html"

         # 组合为完整的 url，并且pn值每次增加50

         fullurl = url + "&pn=" + str(pn)

         #print fullurl

         # 调用loadPage()发送请求获取HTML页面

         html = loadPage(fullurl, filename)

         # 将获取到的HTML页面写入本地磁盘文件

         writeFile(html, filename)

 # 将爬取网页的代码封装为一个小函数loadPage。

 def loadPage(url, filename):

     '''

         作用：根据url发送请求，获取服务器响应文件

         url：需要爬取的url地址

         filename: 文件名

     '''

     print "正在下载" + filename

     headers = {"User-Agent": "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"}

     request = urllib2.Request(url, headers = headers)

     response = urllib2.urlopen(request)

     return response.read()

 # 将爬取到了每页的信息存储在本地磁盘上。

 def writeFile(html, filename):

     """

         作用：保存服务器响应文件到本地磁盘文件里

         html: 服务器响应文件

         filename: 本地磁盘文件名

     """

     print "正在存储" + filename

     with open(filename, 'w') as f:

         f.write(html)

     print "-" * 20

import urllib

import urllib2

# POST请求的目标URL

url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=null"

headers={"User-Agent": "Mozilla...."}

formdata = {

    "type":"AUTO",

    "i":"i love python",

    "doctype":"json",

    "xmlVersion":"1.8",

    "keyfrom":"fanyi.web",

    "ue":"UTF-8",

    "action":"FY_BY_ENTER",

    "typoResult":"true"

}

data = urllib.urlencode(formdata)

request = urllib2.Request(url, data = data, headers = headers)

response = urllib2.urlopen(request)

print response.read()

发送POST请求时，需要特别注意headers的一些属性：

    Content-Length: 144： 是指发送的表单数据长度为144，也就是字符个数是144个。

    X-Requested-With: XMLHttpRequest ：表示Ajax异步请求。

    Content-Type: application/x-www-form-urlencoded ： 表示浏览器提交 Web 表单时使用，表单数据会按照 name1=value1&name2=value2 键值对形式进行编码。

import urllib

import urllib2

# demo1

url = "https://movie.douban.com/j/chart/top_list?type=11&interval_id=100%3A90&action"

headers={"User-Agent": "Mozilla...."}

# 变动的是这两个参数，从start开始往后显示limit个

formdata = {

    'start':'',

    'limit':''

}

data = urllib.urlencode(formdata)

request = urllib2.Request(url, data = data, headers = headers)

response = urllib2.urlopen(request)

print response.read()

# demo2

url = "https://movie.douban.com/j/chart/top_list?"

headers={"User-Agent": "Mozilla...."}

# 处理所有参数

formdata = {

    'type':'',

    'interval_id':'100:90',

    'action':'',

    'start':'',

    'limit':''

}

data = urllib.urlencode(formdata)

request = urllib2.Request(url, data = data, headers = headers)

response = urllib2.urlopen(request)

print response.read()

urllib2在访问的时候则会报出SSLError：

import urllib2

url = "https://www.12306.cn/mormhweb/"

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}

request = urllib2.Request(url, headers = headers)

response = urllib2.urlopen(request)

print response.read()

>>>运行结果：

urllib2.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:590)>

所以，如果以后遇到这种网站，我们需要单独处理SSL证书，让程序忽略SSL证书验证错误，即可正常访问。

import urllib

import urllib2

# 1. 导入Python SSL处理模块

import ssl

# 2. 表示忽略未经核实的SSL证书认证

context = ssl._create_unverified_context()

url = "https://www.12306.cn/mormhweb/"

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}

request = urllib2.Request(url, headers = headers)

# 3. 在urlopen()方法里 指明添加 context 参数

response = urllib2.urlopen(request, context = context)

print response.read()