Python爬虫中urllib与urllib3的区别详解

Felix

发布时间：2026-10-15| 3人浏览过

原创

本文详细解析Python中urllib标准库与第三方库urllib3的区别。urllib包含request、parse、error和robotparser四个模块，适用于基础网络请求。urllib3功能更强大，支持连接池、线程安全、代理及SSL验证。文章通过代码示例对比两者在GET/POST请求、Cookie处理、代理设置、文件上传及超时处理上的具体用法，帮助开发者根据需求选择合适的库。

urllib库

urllib是Python内置的标准网络请求库，主要包含四个核心模块。

urllib.request：负责发起网络请求。
urllib.parse：用于解析和处理URL。
urllib.error：处理由request模块引发的异常。
urllib.robotparser：用于解析网站的robots.txt文件。

urllib.request模块

request模块主要用于构造和发送网络请求，支持添加Headers、Proxy等参数，可模拟浏览器的请求行为。

发起网络请求
操作Cookie
添加Headers
使用代理

关于urllib.request.urlopen参数的介绍

urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)

urlopen是一个发送网络请求的简单方法，接收字符串格式的URL并返回响应结果。

先写一个简单的例子:


from urllib import request
response = request.urlopen(url='http://www.httpbin.org/get')
print(response.read().decode())

urlopen默认发送GET请求，当传入data参数时，则发起POST请求。data参数可以是字节类型、类文件对象或可迭代对象。


from urllib import request
response = request.urlopen(url='http://www.httpbin.org/post',
                           data=b'username=q123&password=123')
print(response.read().decode())

还可以设置超时时间，若请求超过设定时间则抛出异常。未指定timeout时使用系统默认值，该参数仅对http、https和ftp连接有效，单位为秒，例如设置timeout=0.1表示超时时间为0.1秒。


from urllib import request
response = request.urlopen(url='https://www.baidu.com/',timeout=0.1)

Request对象

虽然urlopen能发起基本请求，但其参数有限。如需构建更完整的请求，可使用功能更强大的Request对象。

1. 请求头添加

通过urllib发送的请求默认包含Headers: “User-Agent”:“Python-urllib/3.6”，表明请求由urllib发出。对于验证User-Agent的网站，需自定义Headers以伪装身份。


from urllib import request
headers ={
    'Referer': 'https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=1&tn=baidu&wd=python%20urllib%E5%BA%93&oq=python%2520urllib%25E5%25BA%2593&rsv_pq=947af0af001c94d0&rsv_t=66135egC273yN5Uj589q%2FvA844PvH9087sbPe9ZJsjA8JA10Z2b3%2BtWMpwo&rqlang=cn&rsv_enter=0&prefixsug=python%2520urllib%25E5%25BA%2593&rsp=0',
     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36'
}
response = request.Request(url='https://www.baidu.com/',headers=headers)
response = request.urlopen(response)
print(response.read().decode())

2. 操作cookie

在爬虫开发中，Cookie处理至关重要。urllib处理Cookie的示例如下：


from urllib import request
from http import cookiejar
# 创建一个cookie对象
cookie = cookiejar.CookieJar()

# 创一个cookie处理器
cookies = request.HTTPCookieProcessor(cookie)

# 以它为参数，创建opener对象
opener = request.build_opener(cookies)
# 使用这个opener 来发请求
res =opener.open('https://www.baidu.com/')

print(cookies.cookiejar)

3. 设置代理

爬虫运行中常遇IP被封情况，此时需使用IP代理。urllib设置IP代理的示例如下：


from urllib import request
url ='http://httpbin.org/ip'

#代理地址
proxy ={'http':'172.0.0.1:3128'}

# 代理处理器
proxies =request.ProxyBasicAuthHandler(proxy)

# 创建opener对象
opener = request.build_opener(proxies)

res =opener.open(url)
print(res.read().decode())

urlib库中的类或方法在发送网络请求后，均返回urllib.response对象，包含请求数据及相关属性和方法，用于处理返回结果。

read()：获取响应数据，仅能调用一次。
readline()：读取一行数据。
info()：获取响应头信息。
geturl()：获取访问的URL。
getcode()：返回状态码。

urllib.parse模块

parse.urlencode()：发送请求时常需传递多个参数，使用字符串拼接较麻烦，parse.urlencode()用于拼接URL参数。


from urllib import parse
params = {'wd':'测试', 'code':1, 'height':188}
res = parse.urlencode(params)
print(res)

打印结果为wd=%E6%B5%8B%E8%AF%95&code=1&height=188

也可通过parse.parse_qs()方法将其转换回字典。


print(parse.parse_qs('wd=%E6%B5%8B%E8%AF%95&code=1&height=188'))

urllib.error模块

error模块负责处理异常，若请求出错，可通过该模块处理，主要包含URLError和HTTPError。

URLError：是error异常模块的基类，request模块产生的异常均可由此类处理。

HTTPError：是URLError的子类，主要包含三个属性。

Code：请求的状态码。
reason：错误的原因。
headers：响应的报头。


from urllib import request,error
try:
    response = request.urlopen("http://pythonsite.com/1111.html")
except error.HTTPError as e:
    print(e.reason)
    print(e.code)
    print(e.headers)
except error.URLError as e:
    print(e.reason)

else:
    print("reqeust successfully")

urllib.robotparse模块

robotparse模块负责处理爬虫协议文件，解析robots.txt。

Robots协议（也称爬虫协议、机器人协议）全称“网络爬虫排除标准”（Robots Exclusion Protocol），网站通过该协议告知搜索引擎哪些页面可抓取，哪些不可抓取。

网络库urllib3

urllib3比urllib库更强大，目前许多原生系统已开始使用urllib3。

urllib3具有如下优点：

支持HTTP和SOCKS代理。
支持压缩编码。
100%测试覆盖率。
具有连接池。
线程安全。
客户端SSL/TLS验证。
协助处理重复请求和HTTP重定位。
使用multipart编码上传文件。

因urllib3非Python标准库，使用前需下载安装，具体命令如下：


pip install urllib3
#或
conda install urllib3

下面，我们来讲解urllib3库的使用方式。

网络请求

GET请求

首先，在使用urllib3库进行网络请求时，需创建PoolManager类的实例，该类用于管理连接池。

下面，我们来通过urllib访问百度，并返回查询的结果，示例如下：


import urllib3

http = urllib3.PoolManager()
url = 'http://www.baidu.com/s'
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}
response = http.request('GET', url, fields={'wd': '机器学习'}, headers=headers)
result = response.data.decode('UTF-8')
print(result)

运行之后，效果如下：

这里，我们通过fields参数指定GET的请求字段。不过，这里先一步讲解了请求头，其实是百度有安全机制，读者可以去掉headers参数试试。会返回百度的安全验证页面。

POST请求

如果需要向服务器提交表单或者比较复杂的数据，就需要使用到POST请求。POST请求比较简单，仅仅只是将请求的第一个参数改为“POST”即可。

示例如下：


import urllib3

http = urllib3.PoolManager()
url = 'http://httpbin.org/post'
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}
response = http.request('POST', url, fields={'username': 'name', 'age': '123456'}, headers=headers)
result = response.data.decode('UTF-8')
print(result)

运行之后，返回如下数据：

HTTP响应头

使用urllib3库进行网络访问时，其返回的HTTPResponse。默认有一些携带的参数，其中就包括info方法。它能返回响应头数据，示例如下：


import urllib3

http = urllib3.PoolManager()
url = 'http://www.baidu.com/s'
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}
response = http.request('POST', url, fields={'wd': '机器学习'}, headers=headers)
for key in response.info().keys():
    print('key:',response.info()[key])

运行之后，返回的响应数据如下：

上传文件

首先，我们需要简单的实现一个文件上传的服务器代码，这里我们使用Flask搭建一个简单的服务器Python程序，代码如下：


import flask
import os

UPLOAD_FILE = 'uploads'
app = flask.Flask(__name__)
@app.route('/', methods=['POST'])
def upload_file():
    file = flask.request.files['file']
    if file:
        file.save(os.path.join(UPLOAD_FILE, os.path.basename(file.filename)))
        return '文件上传成功'
    else:
        return '文件上传失败'

if __name__ == '__main__':
    app.run()

运行之后，它会一直等待客户端上传文件。

这个时候，我们再来实现urllib3是如何上传文件的，示例如下：


import urllib3

http = urllib3.PoolManager()
with open('1.jpg', 'rb') as f:
    fileData = f.read()
url = 'http://127.0.0.1:5000'
response = http.request('POST', url, fields={'file': ('1.jpg', fileData, 'image/jpeg')})
print(response.data.decode('UTF-8'))

默认flask搭建的服务器，其接口为5000，也就是通过127.0.0.1:5000进行访问。运行之后，就会在uploads文件夹下创建一个1.jpg的图片。

同时，控制台会输出文件上传成功，而服务器会返回状态码200。

这里，上传文件就1一个键值对，其中file代表服务器上传文件的字段。值的元组里，fileData为文件的二进制形式，'image/jpeg'代表上传文件的格式（可以省略）。

超时处理

urllib3库其HTTP的底层都是基于Socket实现的，而Socket超时又分为连接超时与读超时。

其中，连接超时表示在连接的过程中，由于服务器的问题或域名弄错了，而导致的无法连接的情况抛出的异常。

读超时表示从服务器读取数据时由于服务器的问题，导致长时间无法正常读取数据而导致的异常。

通常，我们超时的设置有2种，一种是通过http.request(timeout)进行设置，一种是通过PoolManager()连接池进行设置。示例如下：


from urllib3 import *

http = PoolManager(timeout=Timeout(connect=2.0, read=2.0))
with open('1.jpg', 'rb') as f:
    fileData = f.read()
url = 'http://127.0.0.1:5000'
try:
    response = http.request('POST', url, timeout=Timeout(connect=2.0, read=4.0))
    print(response.data.decode('UTF-8'))
except Exception as e:
    print(e)