【归纳】爬虫基本库的使用

urllib

• urllib是Python3内置的HTTP请求库，它包含4个模块
  • request：HTTP请求模块，用来模拟发送请求
  • error：异常处理模块
  • parse：工具模块，提供了许多URL处理方法，包括拆分，解析，合并等
  • robotparser：用于识别网站的爬虫证书，该模块一般很少使用

发送请求

• urllib.request模块提供了最基本的构造HTTP请求的方法
• response = urllib.request.urlopen('https://www.python.org')
  • 返回的response是一个HTTPResponse对象，通过其方法和属性可以得到目标网页的一系列信息
• urllib.request模块提供了一个BaseHandler类，其子类和build_opener()配合可以实现更多高级的请求（登录验证，Cookies，代理等）

requests库

• requests库的功能与urllib类似，但它可以更方便地实现登录验证、Cookies、代理设置等高级操作