上周开始学习python爬虫，这里做个记录。
1. 爬虫的库： 使用的是python自带的urllib2库，直接通过urllib2.urlopen()函数打开网页，使用read即得print到html网页的源码。添加异常处理，使用hasattr(e, 'code')打印出错误的原因和编号。
class gethsdes: # get information from hsdes
def gethtml(self,url):
#req = urllib2.Request(url)
try:
response = urllib2.urlopen(url)
except URLError, e:
if hasattr(e, 'code'):
print "The server couldn\'t fulfill the request."
print 'Error code: ', e.code
elif hasattr(e, 'reason'):
print 'we failed to reach a server'
print 'Reason: ', e.reason
else:
print 'No exception was raised.'
print e.reason
#print response.geturl()
#print 'Info():'
#print response.info()
html = response.read()
#print the_page
return html
2. 代理：在运行代码的过程中发现由于使用的是公司的网络，访问被屏蔽了，出现了10060这样的错误代码。使用urllib2.ProxyHandler函数添加proxy，urllib2.build_opener()创建了代理，最后通过urllib2.install_opener()函数创建了永久性的代理，在本代码中，不需再次添加代理。
class Proxy:
def __init__(self):
proxy_support = urllib2.ProxyHandler({"http" : "http://XXX:YYY"}) #YYY是端口号
opener = urllib2.build_opener(proxy_support)
urllib2.install_opener(opener)
3. html知识补充
nobr标签：禁止换行
tr标签和td标签：若干行和每行的若干单元格
div标签：表示区域，其中的role属性，告知其作用，并无实际效果，增加代码的可读性。style属性规定了元素的行内css样式。
target属性：共同使用同一target属性的标签，会在同一页面中打开。
4.待补充
