1 添加头信息

1.1 User-Agent

有些网站，如果你按照urllib.request.urlopen('https://www.baidu.com') 这种方式打开，服务器有可能不会响应，所以要完全模仿浏览器访问，我们需要加入User-Agent信息，示例代码如下：

from urllib import request


req = request.Request('https://www.baidu.com')
req.add_headers('User-Agent', 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:57.0) Gecko/20100101 Firefox/57.0') ①

response = request.urlopen(req)

①通过 Request.add_header(key, val)添加字典形式的头信息，不能传多个头信息，前面的会被后面的覆盖。 User-Agent 首部包含了一个特征字符串，用来让网络协议的对端来识别发起请求的用户代理软件的应用类型、操作系统、软件开发商以及版本号。如何获取User-Agetn信息呢？ 可以用火狐或者谷歌浏览器，F12打开调试模式，我用的火狐，截图如下：

1.2 Referer

Referer 首部包含了当前请求页面的来源页面的地址，即表示当前页面是通过此来源页面里的链接进入的。服务端一般使用 Referer 首部识别访问来源，可能会以此进行统计分析、日志记录以及缓存优化等。有些服务器会识别headers中的referer是不是它自己，如果不是，不会响应，所以我们还可以在headers中加入referer。 可以打开F12看下Referer具体效果，我手动输入网址打开百度后，头信息如下： 我在直接点击网页上的新闻连接，看下头信息内容： 是不是多了Referer，显示来源页面是我手动打开的百度首页。 添加Referer方式与添加User-Agent一样，如下：

略
req.add_headers('Referer', 'https://www.baidu.com') 
略

2 ProxyHandler

proxy_handler = urllib.request.ProxyHandler({'http': 'http://www.example.com:3128/'}) ①
opener = urllib.request.build_opener(proxy_handler) ②
# This time, rather than install the OpenerDirector, we use it directly:
 opener.open('http://www.example.com/login.html')  ③

①创建一个代理处理器ProxyHandler,接收的参数类型为字典{'协议'： '代理ip: 端口'} ②从一个proxy_handler程序列表中创建一个opener对象，urllib.request.urlopen()函数实际上是使用的是默认的opener，这里相当于定制了自己的opener ③通过opener对象打开url

3 异常处理urllib.error

urllib.error模块定义了由urllib.request引起的异常的异常类。基本的异常类是URLError。

3.1 URLError

URLError是OSError的一个子类，HTTPError是URLError的一个子类我们先来看URLError异常

# -*- coding: utf-8 -*-


from urllib import request
from urllib import error


if __name__ == "__main__":
    req = request.Request('http://www.demo.com')
    try:
        response = request.urlopen(req)
        html = response.read().decode('utf-8')
        print(html)
    except error.URLError as e:
        print(e.reason)

执行结果返回如下图：

3.2 HTTPError异常

# -*- coding: utf-8 -*-


from urllib import request
from urllib import error


if __name__ == '__main__':
    req = request.Request('http://mirrors.163.com/centos/7.4.1708/isos/x86_64/sha2sum.txt')
    try:
        response = request.urlopen(req)
    except error.HTTPError as e:
        print(e)

执行文件结果：

3.3 urllib.error.ContentTooShortError

urllib.error.ContentTooShortError异常是因为文件下载不完全导致的错误，这个错误不好复现，就简单举例说明：

# -*- coding: utf-8 -*-


from urllib import request
from urllib import error

if __name__ == "__main__":
    req = request.Request('https://download.demo.com')
    filename = 'E:\test3.txt'
    try:
        request.urlretrieve(req, filename)
    except error.ContentTooShortError as e:
        print(e)

3.4 HTTPError和URLError同时使用

同时使用，需要将HTTPError放在URLError的前面，因为HTTPError是URLError的一个子类。如果URLError放在前面，出现HTTP异常会先响应URLError，这样HTTPError就捕获不到错误信息了。 如果不用上面的方法，也可以使用hasattr函数判断URLError的属性，如果含有reason属性表明是URLError，如果含有code属性表明是HTTPError。