Python在用于爬虫时，在许多的关于爬虫的教程中，重点介绍并使用的是一个HTTP客户端库，requests库。然而，本篇文章介绍的是另外一个用来数据抓取的库，urllib库。
关于urllib库，的确是一个很尴尬的库。它在Python不同版本中有很明显的区别，还有在实际的开发应用中，最头痛的就是版本之间互不兼容的问题。由于Python 3更加的健全稳定，因此，本文中所谈的urllib针对的是Python 3。作为Python自带的一个标准库，它不需要安装，在使用时，直接导入即可。urllib是一个通过几个模块来使用URL的软件包。它主要有以下几个功能：
- urllib.request:用于打开和读取URL。
- urllib.error:包含提取例外的urllib.request。
- urllib.parse:用于解析URL。
- urllib.robotparse:用于解析robots.txt文件。
在爬虫时，urllib的语法为：
Urllib.requests.urlopen(url,data=None,[timeout,]*,cafile=None,capath=None,cadefault=False,context=None) |
接下来，我们谈谈其中一个比较重要的参数含义：data的参数主要用来确定请求方式，当参数值为None时，请求方式为get，反之为post。在urlopen获取网站响应数据时，有几组函数来获取响应数据的内容。比较常用的是read()函数。
我们来看看简单的示例，更好的感受urllib模块在爬虫中
的应用。
import urllib.request response = urllib.request.urlopen('https://movie.douban.com/',None,2) html = response.read().decode('utf8') f = open('html.txt','w',encoding='utf8') f.write(html) f.close() |
在进行数据抓取的时候，往往会遇见反爬的情况，这个时候，我们就需要合理的编写程序去克服这些困难。
