python3做接口和爬蟲很多人使用requests，但urllib庫也是一個很有用的庫，有時會比requests要強一些，直接使用requests不能異步調用，速度慢（from others）。官方的urllib可以替代它，以下是urllib的簡單介紹：
一、什么是Urllib
Urllib庫是Python自帶的一個http請求庫，包含以下幾個模塊：
- urllib.request 請求模塊
- urllib.error 異常處理模塊
- urllib.parse url解析模塊
- urllib.robotparser robots.txt解析模塊
其中前三個模塊比較常用，第四個僅作了解。
二、Urllib方法介紹
將結合Urllib的官方文檔進行說明。首先是urllib.request模塊：
示例代碼1：
1 # 簡單的url請求
2 import urllib.request
3
4 response = urllib.request.urlopen('http://www.baidu.com')
5 print(response.read().decode('utf-8'))
這里用到了方法的第一個參數，即為URL地址，這種請求方式為GET請求，因為沒有附加任何的參數。read()方法從返回中讀取響應體的內容，讀取完是二進制字節流，因此需要調用decode()方法通過utf8編碼方式轉換成我們所能讀懂的網頁代碼。
示例代碼2：
1 # 加入data的請求
2 import urllib.request
3
4 data = bytes(urllib.parse.urlencode({'name':'zhangsan'}),encoding='utf8')
5 response = urllib.request.urlopen('http://httpbin.org/post',data=data)
6 print(response.read())
這里用到了第二個參數data，這次相當於一次post請求，該url是http測試網址。因為urlopen方法的data要求傳入的參數形式是二進制，所以我們需要對字典進行二進制轉碼。
示例代碼3：
1 # 設置請求的超時時間
2 import urllib.request
3
4 try:
5 response = urllib.request.urlopen('http://www.baidu.com',timeout=0.01)
6 except urllib.error.URLError as e:
7 if isinstance(e.reason,socket.timeout):
8 print('Time Out')
這里使用了timeout參數，設置了一個極短的時間以至於不會在時間內返回。所以程序會拋出異常。通過判斷異常的類型去打印異常信息是常用的手段，因此，當異常為timeout時，將打印‘Time Out’。
示例代碼4：
1 # response有用的方法或參數
2 import urllib.request
3
4 response = urllib.request.urlopen('http://www.python.org')
5 print(response.status)
6 print(response.getHeaders()) # 元祖列表
7 print(response.getHeader('Server'))
status為狀態碼，getHeaders()返回響應頭的信息。但是當我們想傳遞request headers的時候，urlopen就無法支持了，因此這里需要一個新的方法。
示例代碼1：
1 from urllib import request,parse
2
3 url = 'http://httpbin.org/post'
4 headers = {
5 'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3100.0 Safari/537.36',
6 'Host':'httpbin.org'
7 }
8 dict = {
9 'name':'zhangsan'
10 }
11
12 data = bytes(parse.urlencode(dict),encoding='utf8')
13 req = request.Request(url=url,data=data,headers=headers,method=post)
14 response = request.urlopen(req)
15 print(response.read().decode('utf-8'))
用Request方法進行post請求並加入了請求頭。
Handler是urllib中十分好用的一個工具，當我們進行IP代理訪問或者爬蟲過程保持對話（cookie）時，可以用相應的handler進行操作。以處理cookie的handler為例。
代碼示例2：
1 import http.cookiejar,urllib.request
2
3 cookie = http.cookiejar.CookieJar()
4 handler = urllib.request.HttpCookieProcessor(cookie)
5 opener = urllib.request.build_opener(handler)
6 response = opener.open('http://www.baidu.com')
7
8 for item in cookie:
9 print(item.name,item.value)
通過CookieJar()來構造一個cookie對象，然后調用urllib.request.HttpCookieProcesser()創建一個關於cookie的handler對象，通過這個handler構造opener，然后就可以進行http請求了。返回的response包含cookie信息，這個handler就可以拿到該cookie信息並保存到cookie對象中。cookie的作用在於，如果爬蟲過程中需要維持會話，那可以將cookie加入到Request中。
示例代碼3：
1 import http.cookiejar,urllib.request
2
3 filename = 'cookie.txt'
4 cookie = http.cookiejar.MozillaCookieJar(filename)
5 handler = urllib.request.HttpCookieProcessor(cookie)
6 opener = urllib.request.build_opener(handler)
7 response = opener.open('http://www.baidu.com')
8 cookie.save(ignore_discard=True,ignore_expires=True)
MozillaCookieJar是CookieJar的子類，可以將cookie寫入本地文件。
示例代碼4：
1 import http.cookiejar,urllib.request
2
3 cookie = http.cookiejar.MozillaCookieJar()
4 cookie.load('cookie.txt',Ignore_discard=True,Ignore_expires=True)
5 handler = urllib.request.HttpCookieProcessor(cookie)
6 opener = urllib.request.build_opener(handler)
7 response = opener.open('http://www.baidu.com')
8 print(response.read().decode('utf-8'))
通過cookie對象的load()方法可以從本地文件讀取cookie內容，然后可以在request中維持會話狀態。
其次是urllib.error模塊。
示例代碼1：
1 from urllib import request,error
2
3 try:
4 response = request.urlopen('http://bucunzai.com/index.html')
5 except error.HTTPError as e:
6 print(e.reason,e.code.e.header,sep='\n')
7 except error.URLError as e:
8 print(e.reason)
9 else:
10 print('Request Successfully')
通過官方文檔可以看出，httperror是URLerror的子類，所以需要先捕捉子類異常。實例證明HTTPError被捕獲。文檔中可以看出，HTTPError有三個參數，分別是reason，code和header。通過實例可以得到code為404。下面將說明一種常見的用法，顯示異常時哪一類異常的方法。
示例代碼2：
1 from urllib import request,error
2 import socket
3
4 try:
5 response = request.urlopen('http://www.baidu.com',timeout=0.01)
6 except error.URLError as e:
7 if isinstance(e.reason,socket.timeout):
8 print('Time Out')
最后看一下urllib.parse中提供的常用方法。
示例代碼1：
1 from urllib.parse import urlparse
2
3 result = urlparse('http://www.baidu.com/index.html;user?id=5#comment',scheme='https')
4 print(result)
5 # ParseResult(scheme='http', netloc='www.baidu.com', path='/index.html', params='user', query='id=5', fragment='comment')
最后一行為輸出結果。urlparse方法分析傳入的url結構，並且拆分成相應的元組。scheme參數的作用是提供一個默認值，當url沒有協議信息時，分析結果的scheme為默認值，如果有則默認值被覆蓋。
示例代碼2：
1 from urllib.parse import urlparse
2
3 result = urlparse('http://www.baidu.com/index.html;user#comment',allow_fragments=False)
4 print(result)
5 # ParseResult(scheme='http', netloc='www.baidu.com', path='/index.html',params='user#comment', query='', fragment='')
可以看到，當fragment參數被設置為false的時候，url中的fragment會被添加到前面有數據的那一項中。如果不清楚URL各部分的含義，可參考本篇備注。
進行url各部分的拼接，參數形式是一個列表類型。
示例代碼1：
1 from urllib.parse import urlunparse 2 3 data = ['http','www.baidu.com','index.html','user','a=6','comment'] 4 print(urlunparse(data)) 5 6 # http://www.baidu.com/index.html;user?a=6#comment
示例代碼1：
1 from urllib.parse import urljoin
2
3 print(urljoin('http://www.baidu.com','index.html'))
4 print(urljoin('http://www.baidu.com#comment','?username="zhangsan"'))
5 print(urljoin('http://www.baidu.com','www.sohu.com'))
6
7 # http://www.baidu.com/index.html
8 # http://www.baidu.com?username="zhangsan"
9 # http://www.baidu.com/www.sohu.com
這種拼接需要注意其規則，如果第二個參數是第一個參數中沒有的url組成部分，那將進行添加，否則進行覆蓋。第二個print則是一種需要避免的現象，這種join方式會覆蓋掉低級別的參數。這里的第三個print是一個反例，很多人認為解析是從域名開始的，實際上是從‘//’開始解析的，官方文檔給出了很明確的解釋：If url is an absolute URL (that is, starting with // or scheme://), the url‘s host name and/or scheme will be present in the result。所以再次建議，官方文檔是最好的學習工具。
urlencode()方法將字典轉換成url的query參數形式的字符串 。
示例代碼1：
1 from urllib.parse import urlencode
2
3 params = {
4 'name':'zhangsan',
5 'age':22
6 }
7
8 base_url = 'http://www.baidu.com?'
9 url = base_url + urlencode(params)
10 print(url)
11
12 # 'http://www.baidu.com?name=zhangsan&age=22'