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。结合beautifulsoup和re模块,可以有效的解析web页面,我比较喜欢这种方法。
下面主要总结了使用mechanize模拟浏览器的行为和几个例子(谷歌搜索,百度搜索和人人网登录等)
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。
-
#!/usr/bin/env python
-
import sys,mechanize
-
-
#Browser
-
br = mechanize.Browser()
-
-
#options
-
br.set_handle_equiv(True)
-
br.set_handle_gzip(True)
-
br.set_handle_redirect(True)
-
br.set_handle_referer(True)
-
br.set_handle_robots(False)
-
-
#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)
-
-
#User-Agent (this is cheating, ok?)
-
br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]
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)
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://', 'username', 'password')
-
br.open('http://')
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"})
|