Python-urllib库parse模块解析链接常用方法

            #
             urllib.parse.urlparse(urlstring,scheme=‘‘,allow_fragments=True)  
            
#
             urlstring : 这个是必填项,即待解析的URL  
result = urlparse(‘http://www.baidu.com/index.html;user?id=5#comment‘)  
print(type(result),result)  
  
# scheme : 它是默认的协议,只有在URL中不包含scheme信息时生效  
result = urlparse(‘www.baidu.com/index.html;user?id=5#comment‘,scheme=‘https‘)  
print(result)  
  
# allow_fragments : 即是否忽略fragment 设置成False就会忽略,它会被解析为path,parameters或者query的一部分,而fragment部分为空  
result = urlparse(‘http://www.baidu.com/index.html;user?id=5#comment‘,allow_fragments=False)  
print(result)  
  
# 返回的结果其实是一个元组,我们可以通过索引来获取,也可以用属性名来获取  
# ParseResult的属性 scheme(:// 协议),netloc(/ 域名),path(访问路径),params(; 参数),query(查询条件),fragment(# 锚点)  
result = urlparse(‘http://www.baidu.com/index.html;user?id=5#comment‘,allow_fragments=False)  
print(result.scheme,result[0],result.netloc,result[1],sep=‘\n‘) 

            #
             urlunparse() 长度必须为6个参数,否则会抛出参数数量不足或者过多的问题  
data = [‘http‘,‘www.baidu.com‘,‘index.html‘,‘user‘,‘a=6‘,‘comment‘]  
print(urlunparse(data)) 

            #
             urlsplit() 和urlparse()方法很相似,不再解析params 参数  
result = urlsplit(‘http://www.baidu.com/index.html;user?id=5#comment‘)  
print(result)  
# 返回的结果其实也是一个元组,我们可以通过索引来获取,也可以用属性名来获取  # SplitResult的属性 scheme(:// 协议),netloc(/ 域名),path(访问路径),query(查询条件),fragment(# 锚点)  
result = urlparse(‘http://www.baidu.com/index.html;user?id=5#comment‘,allow_fragments=False)  
print(result.scheme,result[0])  

            #
             urlunsplit() 和urlunparse()方法很相似,只不过长度变成5个参数  
data = [‘http‘,‘www.baidu.com‘,‘index.html‘,‘a=6‘,‘comment‘]  
print(urlunsplit(data)) 

            #
             urljoin() 也是合并链接的一种方式,相比之前俩种方法,没有之前特定的指定参数对象的长度  
            #
             urljoin()方法提供俩个参数,base_url(基础链接)作为第一个参数,讲新的链接作为第二个参数,该方法会分析base_url的scheme,netloc和path  
            #
             这三个内容并对新链接确实的部分进行补充,最后返回结果  
            print(urljoin(‘http://www.baidu.com‘,‘https://cuiqingcai.com/FAQ.html‘))  
print(urljoin(‘http://www.baidu.com/about.html‘,‘https://cuiqingcai.com/FAQ.html‘))  
print(urljoin(‘http://www.baidu.com‘,‘FAQ.html‘))  
print(urljoin(‘http://www.baidu.com/about.html‘,‘https://cuiqingcai.com/FAQ.html?question=2‘))  
print(urljoin(‘http://www.baidu.com?wd=abc‘,‘https://cuiqingcai.com/index.php‘))  
print(urljoin(‘http://www.baidu.com‘,‘?category=2#comment‘))  
 print(urljoin(‘www.baidu.com‘,‘?category=2#comment‘))  
 print(urljoin(‘www.baidu.com#comment‘,‘?category=2‘))  

            #
             urlencode() 序列化字典类型转换为请求类型  
params = {  
‘name‘ : ‘germey‘,  
‘age‘ : 22  
}  
base_url = ‘http://www.baidu.com?‘  
url = base_url + urlencode(params)  
print(url)  

            #
             parse_qs() 反序列化将请求参数转回字典参数  
            from urllib.parse import parse_qs  
  
query = ‘name=germey&age=22‘  
params = parse_qs(query)  
print(params)  

            #
             parse_qs1() 它用于把参数转化为元组组成的列表  
            from urllib.parse import parse_qsl  
  
query = ‘name=germey&age=22‘  
params = parse_qsl(query)  
print(params) 

            #
             quote() 该方法可以将内容转化为URL编码的格式,URL中带有中文参数时,又是可能会导致乱码的问题,用这个方法可以将中文字符转化为URL编码  
            from urllib.parse import quote  
  
keyword = ‘壁纸‘  
url = ‘http://www.baidu.coms?wd=‘+quote(keyword)  
print(url)  

            #
             unquote() 它对应上面的方法, 可以进行URL解码  
            from urllib.parse import unquote  
  
url = ‘http://www.baidu.coms?wd=%E5%A3%81%E7%BA%B8‘print(unquote(url))