什么是Python中的mechanize模塊

這篇文章運用簡單易懂的例子給大家介紹什么是Python中的mechanize模塊，代碼非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

mechanize是對urllib2的部分功能的替換，能夠更好的模擬瀏覽器行為，在web訪問控制方面做得更全面。結合beautifulsoup和re模塊，可以有效的解析web頁面。

下面主要總結了使用mechanize模擬瀏覽器的行為和幾個例子（谷歌搜索，百度搜索和人人網登錄等）

1.初始化并建立一個瀏覽器對象

如果沒有mechanize需要easy_install安裝，以下代碼建立瀏覽器對象并作了一些初始化設置，實際使用過程可以按需開關。其實只用默認的設置也可以完成基本任務。

#!/usr/bin/env python
import sys,mechanize
 
#Browser
br = mechanize.Browser()
 
#options
br.set_handle_equiv(True)
br.set_handle_gzip(True)
br.set_handle_redirect(True)
br.set_handle_referer(True)
br.set_handle_robots(False)
 
#Follows refresh 0 but not hangs on refresh > 0
br.set_handle_refresh(mechanize._http.HTTPRefreshProcessor(), max_time=1)
 
#debugging?
br.set_debug_http(True)
br.set_debug_redirects(True)
br.set_debug_responses(True)
 
#User-Agent (this is cheating, ok?)
br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]

2.模擬瀏覽器行為

瀏覽器對象建立并初始化完畢之后即可使用了，下面給出幾個例子（代碼承接以上部分）

獲取web網頁：

分行打印可以逐個查看詳細信息，就不贅述

r = br.open(sys.argv[1])
html = r.read()
print html
print br.response().read()
print br.title()
print r.info()

模擬谷歌和百度查詢

打印和選擇forms，然后填寫相應鍵值，通過post提交完成操作

for f in br.forms():
 print f
 
br.select_form(nr=0)

谷歌查詢football

br.form['q'] = 'football'
br.submit()
print br.response().read()

百度查詢football

br.form['wd'] = 'football'
br.submit()
print br.response().read()

相應鍵值名，可以通過打印查出

回退（Back）

非常簡單的操作，打印url即可驗證是否回退

# Back
br.back()
print br.geturl()

3.http基本認證

br.add_password('http://xxx.com', 'username', 'password')
br.open('http://xxx.com')

4.form認證

以登陸人人網為例，打印forms可以查出用戶名和密碼鍵信息

br.select_form(nr = 0)
br['email'] = username
br['password'] = password
resp = self.br.submit()

5.cookie支持

通過導入cookielib模塊，并設置瀏覽器cookie，可以在需要認證的網絡行為之后不用重復認證登陸。通過保存session cookie即可重新訪問，Cookie Jar完成了該功能。

#!/usr/bin/env python
import mechanize, cookielib
 
br = mechanize.Browser()
cj = cookielib.LWPCookieJar()
br.set_cookiejar()

6.proxy設置

設置http代理

#Proxy
br.set_proxies({"http":"proxy.com:8888"})
br.add_proxy_password("username", "password")
 
#Proxy and usrer/password
br.set_proxies({"http":"username:password@proxy.com:8888"})

7.關于內存過高問題

在用mechanize寫了一個爬蟲腳本，想要去某網站爬取大概30萬張圖片。

整個過程是：

1、獲取目標頁面地址

2、取得目標地址前幾頁的所有圖片url

3、對這些url進行下載，并把索引數據保存到mysql數據庫。

這個腳本大概每秒鐘完成一張圖片的下載(主要是網絡只有200K/S左右，是瓶頸)

當圖片下載到大約15000張左右的時候，發現越來越慢，最后干脆停下了。

用ps aux查看，發現進程sleep。

free看一下，內存竟然只剩下100M了（系統總內存4GB）

問題發現：mechanize默認會保存模擬過的操作歷史，導致占用的內存越來越大：

http://stackoverflow.com/questions/2393299/how-do-i-disable-history-in-python-mechanize-module

mechanize初始化Browser()的時候，如果你不給他傳一個history對象作為參數，Browser()就會按照默認的方式（允許保存操作歷史）來進行初始化，你可以隨便傳個什么history給它即可，如自定義一個NoHistory對象：

class NoHistory(object): 
 def add(self, *a, **k): pass
 def clear(self): pass
  
b = mechanize.Browser(history=NoHistory())

關于什么是Python中的mechanize模塊就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。