用python也差不多一年多了，python应用最多的场景还是web快速开发、爬虫、自动化运维：写过简单网站、写过自动发帖指令码、写过收发邮件指令码、写过简单验证码识别指令码。
爬虫在开发过程中也有很多复用的过程，这里总结一下，以后也能省些事情。
1、基本抓取网页
get方法
post方法
2、使用代理IP
开发爬虫过程中经常会遇到IP被封掉的情况，这时就需要用到代理IP；
在urllib2包中有ProxyHandler类，通过此类可以设定代理访问网页，如下程式码片段：
3、Cookies处理
cookies是某些网站为了辨别使用者身份、进行session跟踪而储存在使用者本地终端上的资料(通常经过加密)，python提供了cookielib模组用于处理cookies，cookielib模组的主要作用是提供可储存cookie的物件，以便于与urllib2模组配合使用来访问Internet资源.
程式码片段：
关键在于CookieJar，它用于管理HTTP cookie值、储存HTTP请求生成的cookie、向传出的HTTP请求新增cookie的物件。整个cookie都储存在内存中，对CookieJar例项进行垃圾回收后cookie也将丢失，所有过程都不需要单独去操作。
手动新增cookie
4、伪装成浏览器
某些网站反感爬虫的到访，于是对爬虫一律拒绝请求。所以用urllib2直接访问网站经常会出现HTTP Error 403: Forbidden的情况
对有些 header 要特别留意，Server 端会针对这些 header 做检查
1.User-Agent 有些 Server 或 Proxy 会检查该值，用来判断是否是浏览器发起的 Request
2.Content-Type 在使用 REST 界面时，Server 会检查该值，用来确定 HTTP Body 中的内容该怎样解析。
这时可以通过修改http包中的header来实现，程式码片段如下：
5、页面解析
对于页面解析最强大的当然是正则表示式，这个对于不同网站不同的使用者都不一样，就不用过多的说明，附两个比较好的网址：
正则表示式入门：http://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html
正则表示式线上测试：http://tool.oschina.net/regex/
其次就是解析库了，常用的有两个lxml和BeautifulSoup，对于这两个的使用介绍两个比较好的网站：
lxml：http://my.oschina.net/jhao104/blog/639448
BeautifulSoup：http://cuiqingcai.com/1319.html
对于这两个库，我的评价是，都是HTML/XML的处理库，Beautifulsoup纯python实现，效率低，但是功能实用，比如能用通过结果搜寻获得某个HTML节点的源代码；lxmlC语言编码，高效，支援Xpath
6、验证码的处理
对于一些简单的验证码，可以进行简单的识别。本人也只进行过一些简单的验证码识别。但是有些反人类的验证码，比如12306，可以通过打码平台进行人工打码，当然这是要付费的。
7、gzip压缩
有没有遇到过某些网页，不论怎么转码都是一团乱码。哈哈，那说明你还不知道许多web服务具有传送压缩资料的能力，这可以将网络线路上传输的大量资料消减 60% 以上。这尤其适用于 XML web 服务，因为 XML 资料 的压缩率可以很高。
但是一般服务器不会为你传送压缩资料，除非你告诉服务器你可以处理压缩资料。
于是需要这样修改程式码：
这是关键:建立Request物件，新增一个 Accept-encoding 头资讯告诉服务器你能接受 gzip 压缩资料
然后就是解压缩资料：
8、多执行绪并发抓取
单执行绪太慢的话，就需要多执行绪了，这里给个简单的执行绪池模板 这个程式只是简单地打印了1-10，但是可以看出是并发的。
虽然说python的多执行绪很鸡肋，但是对于爬虫这种网络频繁型，还是能一定程度提高效率的。
