lz提示一點，python3中urllib包括了py2中的urllib+urllib2。[python2和python3的區別、轉換及共存 - urllib]
怎樣扒網頁？
其實就是根據URL來獲取它的網頁信息，雖然我們在瀏覽器中看到的是一幅幅優美的畫面，但是其實是由瀏覽器解釋才呈現出來的，實質它是一段HTML代碼，加 JS、CSS。
如果把網頁比作一個人，那么HTML便是他的骨架，JS便是他的肌肉，CSS便是它的衣服。所以最重要的部分是存在於HTML中的。
扒網頁的栗子
py2:
import urllib2
response = urllib2.urlopen("http://www.baidu.com")
print response.read()
py3:
from urllib import request
response = request.urlopen("http://www.baidu.com")
print(response.read().decode())
真正的程序就兩行，運行結果：
Note:
1. urllib是干嘛的：The urllib.request module defines functions and classes which help in opening URLs (mostly HTTP) in a complex world — basic and digest authentication, redirections, cookies and more.
2. urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False)：重點部分是返回值, 這個函數返回一個 http.client.HTTPResponse 對象, 這個對象又有各種方法, 比如我們用到的read()方法。還有其它方法：geturl()、info()、getcode()。
3. response.read()要decode才能正常顯示html內容，否則會是title="\xe7\x99\xbe\xe5\xba\xa6\xe6\x90\x9c\xe7\xb4\xa2"而不是title="百度搜索"了
4. response.read()只能運行一次就到結尾了，再次讀取總是空值！
分析這兩行代碼
第一行調用的是urllib庫里面的urlopen方法，傳入一個URL，這個網址是百度首頁，協議是HTTP協議，當然你也可以把HTTP換做FTP,FILE,HTTPS 等等，只是代表了一種訪問控制協議。
urlopen一般接受三個參數，它的參數如下：
urlopen(url, data, timeout)
第一個參數url即為URL，第二個參數data是訪問URL時要傳送的數據，第三個timeout是設置超時時間。
第二三個參數是可以不傳送的，data默認為空None，timeout默認為 socket._GLOBAL_DEFAULT_TIMEOUT。
第一個參數URL是必須要傳送的，在這個例子里面我們傳送了百度的URL，執行urlopen方法之后，返回一個response對象，返回信息便保存在這里面。
response.read()
response對象有一個read方法，可以返回獲取到的網頁內容。
http://blog.csdn.net/pipisorry/article/details/47905781
構造Requset
其實上面的urlopen參數可以傳入一個request請求,它其實就是一個Request類的實例，構造時需要傳入Url,Data等等的內容。
比如上面的兩行代碼，我們可以這么改寫
import urllib2
request = urllib2.Request("http://www.baidu.com")
response = urllib2.urlopen(request)
print response.read()
py3:
import urllib.request
request = urllib.request.Request("http://www.baidu.com")
response = urllib.request.urlopen(request)
print(response.read().decode())
運行結果是完全一樣的，只不過中間多了一個request對象，推薦大家這么寫，因為在構建請求時還需要加入好多內容，通過構建一個request，服務器響應請求得到應答，這樣顯得邏輯上清晰明確。
http://blog.csdn.net/pipisorry/article/details/47905781
數據傳送POST和GET
上面的程序演示了最基本的網頁抓取，不過，現在大多數網站都是動態網頁，需要你動態地傳遞參數給它，它做出對應的響應。所以，在訪問時，我們需要傳遞數據給它。最常見的情況就是登錄注冊的時候。
把數據用戶名和密碼傳送到一個URL，然后你得到服務器處理之后的響應
數據傳送POST和GET兩種方式及區別
最重要的區別是GET方式是直接以鏈接形式訪問，鏈接中包含了所有的參數，當然如果包含了密碼的話是一種不安全的選擇，不過你可以直觀地看到自己提交了什么內容。POST則不會在網址上顯示所有的參數，不過如果你想直接查看提交了什么就不太方便了，可以酌情選擇。
POST方式：
上面說的data參數就是用在這里的，我們傳送的數據就是這個參數data。
import urllib
import urllib2
values = {"username":"1016903103@qq.com","password":"XXXX"}
data = urllib.urlencode(values)
url = "https://passport.csdn.net/account/login?from=http://my.csdn.net/my/mycsdn"
request = urllib2.Request(url,data)
response = urllib2.urlopen(request)
print response.read()
我們引入了urllib庫，現在我們模擬登陸CSDN，當然上述代碼可能登陸不進去，因為還要做一些設置頭部header的工作，或者還有一些參數沒有設置全，還沒有提及到在此就不寫上去了，在此只是說明登錄的原理。我們需要定義一個字典，名字為values，參數我設置了username和password，下面利用urllib的urlencode方法將字典編碼，命名為data，構建request時傳入兩個參數，url和data，運行程序，即可實現登陸，返回的便是登陸后呈現的頁面內容。當然你可以自己搭建一個服務器來測試一下。
GET方式：
至於GET方式我們可以直接把參數寫到網址上面，直接構建一個帶參數的URL出來即可。
import urllib
import urllib2
values={}
values['username'] = "1016903103@qq.com"
values['password']="XXXX"
data = urllib.urlencode(values)
url = "http://passport.csdn.net/account/login"
geturl = url + "?"+data
request = urllib2.Request(geturl)
response = urllib2.urlopen(request)
print response.read()
Note:你可以print geturl，打印輸出一下url，發現其實就是原來的url加？然后加編碼后的參數http://passport.csdn.net/account/login?username=1016903103%40qq.com&password=XXXX和我們平常GET訪問方式一模一樣，這樣就實現了數據的GET方式傳送。
[HTTP 方法：GET 對比 POST]
[Python爬蟲入門三之Urllib庫的基本使用]
http://blog.csdn.net/pipisorry/article/details/47905781
設置Headers
有些網站不會同意程序直接用上面的方式進行訪問，如果識別有問題，那么站點根本不會響應，所以為了完全模擬瀏覽器的工作，我們需要設置一些Headers 的屬性。
打開我們的瀏覽器（Chrome），調試瀏覽器F12，打開網絡監聽network，比如知乎登錄之后，這個頁面包含了許許多多的內容，這些內容也不是一次性就加載完成的，實質上是執行了好多次請求，一般是首先請求HTML文件，然后加載JS，CSS 等等，經過多次請求之后，網頁的骨架和肌肉全了，整個網頁的效果也就出來了。
Note:上面的圖是先點擊name中的www.zhihu.com，再點headers才會出現。
拆分這些請求，我們只看一第一個請求，你可以看到，有個Request URL，還有headers，下面便是response。這個頭中包含了許許多多是信息，有文件編碼啦，壓縮方式，請求的agent等等。
其中，agent就是請求的身份，如果沒有寫入請求身份，那么服務器不一定會響應，所以可以在headers中設置agent,例如下面的例子，這個例子只是說明了怎樣設置的headers，小伙伴們看一下設置格式就好。
import urllib
import urllib2
url = 'http://www.server.com/login'
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
values = {'username' : 'cqc', 'password' : 'XXXX' }
headers = { 'User-Agent' : user_agent }
data = urllib.urlencode(values)
request = urllib2.Request(url, data, headers)
response = urllib2.urlopen(request)
page = response.read()
py3:
import urllib.request
from urllib.parse import urlencode
URL_ROOT = r'http://d.weibo.com/#_loginLayer_1440327422006'
values = {'username': '***, 'password': '&&&}
data = urlencode(values).encode()
# print(type(data), data)
user_agent = r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.157 Safari/537.36'
# user_agent = r'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'
headers = {'User-Agent': user_agent}
request = urllib.request.Request(URL_ROOT, data, headers)
response = urllib.request.urlopen(request)
page = response.read()
print(page)
py3-2:
u = urllib.URLopener() # Python 3: urllib.request.URLOpener
u.addheaders = []
u.addheader('User-Agent', 'Opera/9.80 (Windows NT 6.1; WOW64; U; de) Presto/2.10.289 Version/12.01')
u.addheader('Accept-Language', 'de-DE,de;q=0.9,en;q=0.8')
u.addheader('Accept', 'text/html, application/xml;q=0.9, application/xhtml+xml, image/png, image/webp, image/jpeg, image/gif, image/x-xbitmap, */*;q=0.1')
f = u.open(url)
content = f.read()
f.close()
py3-3:
[python] view plain copy
-
import urllib.request
-
import http.cookiejar
-
-
# head: dict of header
-
def makeMyOpener(head = {
-
'Connection': 'Keep-Alive',
-
'Accept': 'text/html, application/xhtml+xml, */*',
-
'Accept-Language': 'en-US,en;q=0.8,zh-Hans-CN;q=0.5,zh-Hans;q=0.3',
-
'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64; Trident/7.0; rv:11.0) like Gecko'
-
}):
-
cj = http.cookiejar.CookieJar()
-
opener = urllib.request.build_opener(urllib.request.HTTPCookieProcessor(cj))
-
header = []
-
for key, value in head.items():
-
elem = (key, value)
-
header.append(elem)
-
opener.addheaders = header
-
return opener
-
-
oper = makeMyOpener()
-
uop = oper.open('http://www.baidu.com/', timeout = 1000)
-
data = uop.read()
-
print(data.decode())
Note:
1. urllib.parse.urlencode(query, doseq=False, safe='', encoding=None, errors=None)
urllib.parse.quote_plus(string, safe='', encoding=None, errors=None)
大概是把一個通俗的字符串, 轉化為url格式的字符串。
2. py3中data參數是要進行任意編碼（utf8...），否則出現錯誤TypeError: POST data should be bytes or an iterable of bytes. It cannot be of type str. python2.7 是 ascii，3.3 是utf-8，都是string類型，但socket (urllib等都是基於socket) 使用bytes，要通過encode()轉換。
3. 注意URL_ROOT不能編碼，URL_ROOT = URL_ROOT.encode()，否則會出錯：unknown url type: b'http
這樣，我們設置了一個headers，在構建request時傳入，在請求時，就加入了headers傳送，服務器若識別了是瀏覽器發來的請求，就會得到響應。
對付防盜鏈
另外，我們還有對付"反盜鏈"的方式，服務器會識別headers中的referer是不是它自己，如果不是，有的服務器不會響應，所以我們還可以在headers中加入referer
例如我們可以構建下面的headers
headers = { 'User-Agent' : 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' , 'Referer':'http://www.zhihu.com/articles' }
同上面的方法，在傳送請求時把headers傳入Request參數里，這樣就能應付防盜鏈了。
headers的一些屬性需要特別注意一下
User-Agent : 有些服務器或 Proxy 會通過該值來判斷是否是瀏覽器發出的請求
Content-Type : 在使用 REST 接口時，服務器會檢查該值，用來確定 HTTP Body 中的內容該怎樣解析。
application/xml ： 在 XML RPC，如 RESTful/SOAP 調用時使用
application/json ： 在 JSON RPC 調用時使用
application/x-www-form-urlencoded ： 瀏覽器提交 Web 表單時使用
在使用服務器提供的 RESTful 或 SOAP 服務時， Content-Type 設置錯誤會導致服務器拒絕服務
其他的有必要的可以審查瀏覽器的headers內容，在構建時寫入同樣的數據即可。
http://blog.csdn.net/pipisorry/article/details/47905781
設置Proxy（代理）
urllib2 默認會使用環境變量 http_proxy 來設置 HTTP Proxy。假如一個網站它會檢測某一段時間某個IP 的訪問次數，如果訪問次數過多，它會禁止你的訪問。所以你可以設置一些代理服務器來幫助你做工作，每隔一段時間換一個代理，網站君都不知道是誰在搗鬼了！
代理的設置用法
import urllib2
enable_proxy = True
proxy_handler = urllib2.ProxyHandler({"http" : 'http://some-proxy.com:8080'})
null_proxy_handler = urllib2.ProxyHandler({})
if enable_proxy:
opener = urllib2.build_opener(proxy_handler)
else:
opener = urllib2.build_opener(null_proxy_handler)
urllib2.install_opener(opener)
設置Timeout
urlopen方法第三個參數就是timeout的設置，可以設置等待多久超時，為了解決一些網站實在響應過慢而造成的影響。
例如下面的代碼,如果第二個參數data為空那么要特別指定是timeout是多少，寫明形參，如果data已經傳入，則不必聲明。
import urllib2
response = urllib2.urlopen('http://www.baidu.com', timeout=10)
import urllib2
response = urllib2.urlopen('http://www.baidu.com',data, 10)
使用 HTTP 的 PUT 和 DELETE 方法
http協議有六種請求方法，get,head,put,delete,post,options，我們有時候需要用到PUT方式或者DELETE方式請求。
PUT：這個方法比較少見。HTML表單也不支持這個。本質上來講， PUT和POST極為相似，都是向服務器發送數據，但它們之間有一個重要區別，PUT通常指定了資源的存放位置，而POST則沒有，POST的數據存放位置由服務器自己決定。
DELETE：刪除某一個資源。基本上這個也很少見，不過還是有一些地方比如amazon的S3雲服務里面就用的這個方法來刪除資源。
如果要使用 HTTP PUT 和 DELETE ，只能使用比較低層的 httplib 庫。雖然如此，我們還是能通過下面的方式，使 urllib2 能夠發出 PUT 或DELETE 的請求，不過用的次數的確是少，在這里提一下。
import urllib2
request = urllib2.Request(uri, data=data)
request.get_method = lambda: 'PUT' # or 'DELETE'
response = urllib2.urlopen(request)
使用DebugLog
可以通過下面的方法把 Debug Log 打開，這樣收發包的內容就會在屏幕上打印出來，方便調試，這個也不太常用，僅提一下
import urllib2
httpHandler = urllib2.HTTPHandler(debuglevel=1)
httpsHandler = urllib2.HTTPSHandler(debuglevel=1)
opener = urllib2.build_opener(httpHandler, httpsHandler)
urllib2.install_opener(opener)
response = urllib2.urlopen('http://www.baidu.com')
http://blog.csdn.net/pipisorry/article/details/47905781
Cookie的使用
用 Python 來登錄網站, 用Cookies記錄登錄信息, 然后就可以抓取登錄之后才能看到的信息。
什么是cookies?
Cookie，指某些網站為了辨別用戶身份、進行session跟蹤而儲存在用戶本地終端上的數據（通常經過加密）。
比如說有些網站需要登錄后才能訪問某個頁面，在登錄之前，你想抓取某個頁面內容是不允許的。那么我們可以利用Urllib庫保存我們登錄的Cookie，然后再抓取其他頁面就達到目的了。
opener的概念
當你獲取一個URL你使用一個opener(一個urllib2.OpenerDirector的實例)。在前面，我們都是使用的默認的opener，也就是urlopen。
urlopen是一個特殊的opener，可以理解成opener的一個特殊實例，傳入的參數僅僅是url，data，timeout。
如果我們需要用到Cookie，只用這個opener是不能達到目的的，所以我們需要創建更一般的opener來實現對Cookie的設置。
Cookielib
cookielib模塊的主要作用是提供可存儲cookie的對象，以便於與urllib2模塊配合使用來訪問Internet資源。Cookielib模塊非常強大，我們可以利用本模塊的CookieJar類的對象來捕獲cookie並在后續連接請求時重新發送，比如可以實現模擬登錄功能。該模塊主要的對象有CookieJar、FileCookieJar、MozillaCookieJar、LWPCookieJar。
它們的關系：CookieJar —-派生—->FileCookieJar —-派生—–>MozillaCookieJar和LWPCookieJar
使用cookie登錄的步驟
1）獲取Cookie保存到變量
首先，我們先利用CookieJar對象實現獲取cookie的功能，存儲到變量中，先來感受一下
import urllib2
import cookielib
#聲明一個CookieJar對象實例來保存cookie
cookie = cookielib.CookieJar()
#利用urllib2庫的HTTPCookieProcessor對象來創建cookie處理器
handler=urllib2.HTTPCookieProcessor(cookie)
#通過handler來構建opener
opener = urllib2.build_opener(handler)
#此處的open方法同urllib2的urlopen方法，也可以傳入request
response = opener.open('http://www.baidu.com')
for item in cookie:
print 'Name = '+item.name
print 'Value = '+item.value
py3:
import urllib.request
import http.cookiejar
URL_ROOT = r'http://d.weibo.com/'
cookie = http.cookiejar.CookieJar() # 聲明一個CookieJar對象實例來保存cookie
handler = urllib.request.HTTPCookieProcessor(cookie) # 利用urllib2庫的HTTPCookieProcessor對象來創建cookie處理器
opener = urllib.request.build_opener(handler) # 通過handler來構建opener
response = opener.open(URL_ROOT) # 此處的open方法同urllib2的urlopen方法，也可以傳入request
for item in cookie:
print('Name = ' + item.name)
print('Value = ' + item.value)
我們使用以上方法將cookie保存到變量中，然后打印出了cookie中的值，運行結果如下
Name = YF-Page-G0
Value = dc8d8d4964cd93a7c3bfa7640c1bd10c
Note:py3中opener也可以這樣使用：
request = urllib.request.Request(URL_ROOT, postdata, headers)
response = opener.open(request)
或者：
urllib.request.install_opener(opener)
request = urllib.request.Request(URL_ROOT, postdata, headers)
response = urllib.request.urlopen(request)
2）保存Cookie到文件
上面我們將cookie保存到了cookie這個變量中，如果我們想將cookie保存到文件中該怎么做呢？這時，我們就要用到FileCookieJar這個對象了，在這里我們使用它的子類MozillaCookieJar來實現Cookie的保存
[python] view plain copy
-
import cookielib
-
import urllib2
-
-
filename = 'cookie.txt' # 設置保存cookie的文件，同級目錄下的cookie.txt
-
cookie = cookielib.MozillaCookieJar(filename) # 聲明一個MozillaCookieJar對象實例來保存cookie，之后寫入文件
-
-
handler = urllib2.HTTPCookieProcessor(cookie) # 利用urllib2庫的HTTPCookieProcessor對象來創建cookie處理器
-
opener = urllib2.build_opener(handler) # 通過handler來構建opener
-
response = opener.open("http://www.baidu.com") # 創建一個請求，原理同urllib2的urlopen
-
-
cookie.save(ignore_discard=True, ignore_expires=True) # 保存cookie到文件
py3:
import urllib.request, urllib.parse, urllib.error
import http.cookiejar
URL_ROOT = 'http://www.jobbole.com/login/'
values = {'name': '******', 'password': '******'}
postdata = urllib.parse.urlencode(values).encode()
user_agent = r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.157 Safari/537.36'
headers = {'User-Agent': user_agent}
cookie_filename = 'cookie.txt'
cookie = http.cookiejar.LWPCookieJar(cookie_filename)
handler = urllib.request.HTTPCookieProcessor(cookie)
opener = urllib.request.build_opener(handler)
request = urllib.request.Request(URL_ROOT, postdata, headers)
try:
response = opener.open(request)
except urllib.error.URLError as e:
print(e.reason)
cookie.save(ignore_discard=True, ignore_expires=True) # 保存cookie到cookie.txt中
for item in cookie:
print('Name = ' + item.name)
print('Value = ' + item.value)
Note:
1. 不同cookie寫入文件方法的解釋：
FileCookieJar(filename)：創建FileCookieJar實例，檢索cookie信息並將信息存儲到文件中，filename是文件名。
MozillaCookieJar(filename)：創建與Mozilla cookies.txt文件兼容的FileCookieJar實例。
LWPCookieJar(filename)：創建與libwww-perl Set-Cookie3文件兼容的FileCookieJar實例。
2. save方法的兩個參數的官方解釋：
ignore_discard: save even cookies set to be discarded. 即使cookies將被丟棄也將它保存下來
ignore_expires: save even cookies that have expiredThe file is overwritten if it already exists.如果在該文件中cookies已經存在，則覆蓋原文件寫入
3. python3中如果直接使用http.cookiejar.CookieJar(filename)的方式會出錯：self._policy._now = self._now = int(time.time()) AttributeError: 'str' object has no attribute '_now'。注意要將CookieJar改為LWPCookieJar。
我們將這兩個全部設置為True。運行之后，cookies將被保存到cookie.txt文件中，我們查看一下內容
3）從文件中獲取Cookie並訪問
那么我們已經做到把Cookie保存到文件中了，如果以后想使用，可以利用下面的方法來讀取cookie並訪問網站，感受一下
[python] view plain copy
-
import cookielib
-
import urllib2
-
-
cookie = cookielib.MozillaCookieJar() # 創建MozillaCookieJar實例對象
-
cookie.load('cookie.txt', ignore_discard=True, ignore_expires=True) # 從文件中讀取cookie內容到變量
-
-
req = urllib2.Request("http://www.baidu.com") # 創建請求的request
-
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie)) # 利用urllib2的build_opener方法創建一個opener
-
response = opener.open(req)
-
print response.read()
py3:
import urllib.request
import urllib.parse
import urllib.error
import http.cookiejar
cookie_filename = 'cookie_jar.txt'
cookie = http.cookiejar.MozillaCookieJar(cookie_filename)
cookie.load(cookie_filename, ignore_discard=True, ignore_expires=True)
handler = urllib.request.HTTPCookieProcessor(cookie)
opener = urllib.request.build_opener(handler)
get_url = 'http://www.jobbole.com/' # 利用cookie請求訪問另一個網址
get_request = urllib.request.Request(get_url)
get_response = opener.open(get_request)
print(get_response.read().decode())
[python3爬蟲 - cookie登錄實戰]
設想，如果我們的 cookie.txt 文件中保存的是某個人登錄百度的cookie，那么我們提取出這個cookie文件內容，就可以用以上方法模擬這個人的賬號登錄百度。[Python爬蟲入門六之Cookie的使用]
URL錯誤處理
URL錯誤狀態碼
urlopen會產生一個HTTPError，對應相應的狀態嗎，HTTP狀態碼表示HTTP協議所返回的響應的狀態。下面將狀態碼歸結如下：
100：繼續 客戶端應當繼續發送請求。客戶端應當繼續發送請求的剩余部分，或者如果請求已經完成，忽略這個響應。
101： 轉換協議 在發送完這個響應最后的空行后，服務器將會切換到在Upgrade 消息頭中定義的那些協議。只有在切換新的協議更有好處的時候才應該采取類似措施。
102：繼續處理 由WebDAV（RFC 2518）擴展的狀態碼，代表處理將被繼續執行。
200：請求成功 處理方式：獲得響應的內容，進行處理
201：請求完成，結果是創建了新資源。新創建資源的URI可在響應的實體中得到 處理方式：爬蟲中不會遇到
202：請求被接受，但處理尚未完成 處理方式：阻塞等待
204：服務器端已經實現了請求，但是沒有返回新的信 息。如果客戶是用戶代理，則無須為此更新自身的文檔視圖。 處理方式：丟棄
300：該狀態碼不被HTTP/1.0的應用程序直接使用， 只是作為3XX類型回應的默認解釋。存在多個可用的被請求資源。 處理方式：若程序中能夠處理，則進行進一步處理，如果程序中不能處理，則丟棄
301：請求到的資源都會分配一個永久的URL，這樣就可以在將來通過該URL來訪問此資源 處理方式：重定向到分配的URL
302：請求到的資源在一個不同的URL處臨時保存 處理方式：重定向到臨時的URL
304：請求的資源未更新 處理方式：丟棄
400：非法請求 處理方式：丟棄
401：未授權 處理方式：丟棄
403：禁止 處理方式：丟棄
404：沒有找到 處理方式：丟棄
500：服務器內部錯誤 服務器遇到了一個未曾預料的狀況，導致了它無法完成對請求的處理。一般來說，這個問題都會在服務器端的源代碼出現錯誤時出現。
501：服務器無法識別 服務器不支持當前請求所需要的某個功能。當服務器無法識別請求的方法，並且無法支持其對任何資源的請求。
502：錯誤網關 作為網關或者代理工作的服務器嘗試執行請求時，從上游服務器接收到無效的響應。
503：服務出錯 由於臨時的服務器維護或者過載，服務器當前無法處理請求。這個狀況是臨時的，並且將在一段時間以后恢復。
HTTPError實例產生后會有一個code屬性，這就是是服務器發送的相關錯誤號。[Python爬蟲入門五之URLError異常處理]
from:http://blog.csdn.net/pipisorry/article/details/47905781
ref:urllib — URL handling modules