一、请求-响应

在利用python语言实现爬虫时，主要用到了urllib和urllib2两个库。首先用一段代码说明如下：

1 import urllib2 import urllib23 4 url="http://www.baidu.com"5 request=urllib2.Request(url)6 response=urllib2.urlopen(request)7 print response.read()

我们知道一个网页就是以html为骨架，js为肌肉，css为衣服所构成的。上述代码所实现的功能就是把百度网页的源码爬取到本地。

其中，url为要爬取的网页的网址；request发出请求，response是接受请求后给出的响应。最后用read（）函数输出的就是百度网页的源码。

二、GET-POST

两者都是向网页传递数据，最重要的区别是GET方式是直接以链接形式访问，链接中包含了所有的参数，当然如果包含了密码的话是一种不安全的选择，不过你可以直观地看到自己提交了什么内容。

POST则不会在网址上显示所有的参数，不过如果你想直接查看提交了什么就不太方便了，大家可以酌情选择。

POST方式：

1 import urllib2 import urllib23 values={
   'username':'2680559065@qq.com','Password':'XXXX'}4 data=urllib.urlencode(values)5 url='https://passport.csdn.net/account/login?from=http://my.csdn.net/my/mycsdn'6 request=urllib2.Request(url,data)7 response=urllib2.urlopen(request)8 print response.read()

GET方式：

import urllibimport urllib2values={
   'username':'2680559065@qq.com','Password':'XXXX'}data=urllib.urlencode(values)url = "http://passport.csdn.net/account/login"geturl = url + "?"+datarequest=urllib2.Request(geturl)response=urllib2.urlopen(request)print response.read()

三、异常处理

处理异常时，用到了try-except语句。

1 import urllib22 3 try:4     response=urllib2.urlopen("http://www.xxx.com")5 except urllib2.URLError,e:6     print e.reason

通过上述的介绍及代码展示，我们已经初步认识了爬虫过程，希望对大家有所帮助。

爬取图片：

import urllib

import urllib.request

import re

import os

import ssl

ssl._create_default_https_context = ssl._create_unverified_context

def gethtml(url):

    headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0'}

    req = urllib.request.Request(url=url, headers=headers)

    page=urllib.request.urlopen(req)

    html=page.read()

    html=html.decode('utf-8')

    return html

    

def getImg(html):

    reg='<img src="(http.*?\.png)"'

    imgre=re.compile(reg)

    imglist=imgre.findall(html)

    return imglist

    

def make_dir(floder):

    path=os.getcwd()+'/'+floder

    if not os.path.isdir(path):

        os.makedirs(path)

    return path

def save_image(path,imglist):

    x=0

    for imgurl in imglist:

        print(imgurl)

        urllib.request.urlretrieve(imgurl,'{}/{}.png'.format(path,x))

        x=x+1

    

if __name__=='__main__':

    html=gethtml('https://blog.csdn.net/yql_617540298/article/details/81411995')

    imglist=getImg(html)

    path=make_dir('test')

    save_image(path,imglist)