现在的位置: 主页 > 商讯 > 文章列表

Python3 urllib模块使用

作者:石家庄绿之洲商贸有限公司 来源:www.365tt315.com 未知发布时间:2017-09-08 23:10:55
Python3 urllib模块使用 1.基本方法 urllib.request.urlopen(url,data=None,[timeout,]*,cafile=None,capath=None,cadefault=False,context=None)

-url: 需要打开的网址

-data:Post提交的数据

-timeout:设置网站的访问超时时间

直接用urllib.request模块的urlopen()获取页面,page的数据格式为bytes类型,需要decode()解码,转换成str类型。

from urllib import request response = request.urlopen(r'') # HTTPResponse类型 page = response.read() page = page.decode('utf-8')

urlopen返回对象提供方法:

-read() , readline() ,readlines() , fileno() , close() :对HTTPResponse类型数据进行操作

-info():返回HTTPMessage对象,表示远程服务器返回的头信息

-getcode():返回Http状态码。如果是http请求,200请求成功完成;404网址未找到

-geturl():返回请求的url

2.使用Request urllib.request.Request(url,data=None,headers={}, method=None)

使用request()来包装请求,再通过urlopen()获取页面。

from urllib import request url = r'Python/?labelWords=label' headers = { 'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ' r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3', 'Referer': r'?labelWords=label', 'Connection': 'keep-alive' } req = request.Request(url, headers=headers) page = request.urlopen(req).read() page = page.decode('utf-8')

用来包装头部的数据:

-User-Agent :这个头部可以携带如下几条信息:浏览器名和版本号、操作系统名和版本号、默认语言

-Referer:可以用来防止盗链,有一些网站图片显示来源***.com,就是检查Referer来鉴定的

-Connection:表示连接状态,记录Session的状态。

3.使用GET请求:

import urllib.request import urllib.parse data = {} data['word'] = 'python3' url_values = urllib.parse.urlencode(data) print(url_values) url = "?" full_url = url + url_values data = urllib.request.urlopen(full_url).read() z_data = data.decode('UTF-8') print(z_data) 4.Post数据 urllib.request.urlopen(url,data=None,[timeout,]*,cafile=None,capath=None,cadefault=False,context=None)

urlopen()的data参数默认为None,当data参数不为空的时候,urlopen()提交方式为Post。

from urllib import request, parse url = r'?' headers = { 'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ' r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3', 'Referer': r'?labelWords=label', 'Connection': 'keep-alive' } data = { 'first': 'true', 'pn': 1, 'kd': 'Python' } data = parse.urlencode(data).encode('utf-8') req = request.Request(url, headers=headers, data=data) page = request.urlopen(req).read() page = page.decode('utf-8') print(page) urllib.parse.urlencode(query, doseq=False, safe='', encoding=None, errors=None)

urlencode()主要作用就是将url附上要提交的数据。

data = { 'first': 'true', 'pn': 1, 'kd': 'Python' } data = parse.urlencode(data).encode('utf-8'

经过urlencode()转换后的data数据为?first=true?pn=1?kd=Python,最后提交的url为

?first=true?pn=1?kd=Python

Post的数据必须是bytes或者iterable of bytes,不能是str,因此需要进行encode()编码

page = request.urlopen(req, data=data).read()

当然,也可以把data的数据封装在urlopen()参数中

5.异常处理 def get_page(url): headers = { 'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ' r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3', 'Referer': r'?labelWords=label', 'Connection': 'keep-alive' } data = { 'first': 'true', 'pn': 1, 'kd': 'Python' } data = parse.urlencode(data).encode('utf-8') req = request.Request(url, headers=headers) try: page = request.urlopen(req, data=data).read() page = page.decode('utf-8') except error.HTTPError as e: print(e.code()) print(e.read().decode('utf-8')) return pag 6、使用代理 urllib.request.ProxyHandler(proxies=None)

当需要抓取的网站设置了访问限制,这时就需要用到代理来抓取数据。

data = { 'first': 'true', 'pn': 1, 'kd': 'Python' } proxy = request.ProxyHandler({'http': '5.22.195.215:80'}) # 设置proxy opener = request.build_opener(proxy) # 挂载opener request.install_opener(opener) # 安装opener data = parse.urlencode(data).encode('utf-8') page = opener.open(url, data).read() page = page.decode('utf-8') return pag

7.urllib.parse常见函数

urllib.parse分为URL parsing and URL quoting,即网址解析和网址引用。

企业建站2800元起,携手武汉肥猫科技,做一个有见地的颜值派!更多优惠请戳:武汉网站建设公司 https://www.jingchucn.com/zt/wuhan_wangzhanjianshe/

上一篇:PHP数据加密详解 下一篇:最后一页