首页 / PYTHON / Python3学习笔记（urllib模块的使用）

Python3学习笔记（urllib模块的使用）

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python3学习笔记（urllib模块的使用），小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4269字，纯文字阅读大概需要7分钟。

内容图文

1.urllib
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。

  1 from urllib import request
  2 
  3 response = request.urlopen(r'http://python.org/') # <http.client.HTTPResponse object at 0x00000000048BC908> HTTPResponse类型
  4 page = response.read()
  5 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.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。

  1 url = r'http://www.lagou.com/zhaopin/Python/?labelWords=label'
  2 headers = {
  3     'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
  4                   r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
  5     'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
  6     'Connection': 'keep-alive'
  7 }
  8 req = request.Request(url, headers=headers)
  9 page = request.urlopen(req).read()
 10 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http://***.com，就是检查Referer来鉴定的

-         Connection：表示连接状态，记录Session的状态。

3.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。

  1 from urllib import request, parse
  2 url = r'http://www.lagou.com/jobs/positionAjax.json?'
  3 headers = {
  4     'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
  5                   r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
  6     'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
  7     'Connection': 'keep-alive'
  8 }
  9 data = {
 10     'first': 'true',
 11     'pn': 1,
 12     'kd': 'Python'
 13 }
 14 data = parse.urlencode(data).encode('utf-8')
 15 req = request.Request(url, headers=headers, data=data)
 16 page = request.urlopen(req).read()
 17 page = page.decode('utf-8')
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。

  1 data = {
  2     'first': 'true',
  3     'pn': 1,
  4     'kd': 'Python'
  5 }
  6 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

http://www.lagou.com/jobs/positionAjax.json?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

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

当然，也可以把data的数据封装在urlopen（）参数中

  1 def get_page(url):
  2     headers = {
  3         'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
  4                     r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
  5         'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
  6         'Connection': 'keep-alive'
  7     }
  8     data = {
  9         'first': 'true',
 10         'pn': 1,
 11         'kd': 'Python'
 12     }
 13     data = parse.urlencode(data).encode('utf-8')
 14     req = request.Request(url, headers=headers)
 15     try:
 16         page = request.urlopen(req, data=data).read()
 17         page = page.decode('utf-8')
 18     except error.HTTPError as e:
 19         print(e.code())
 20         print(e.read().decode('utf-8'))
 21     return page

5、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。

  1 data = {
  2         'first': 'true',
  3         'pn': 1,
  4         'kd': 'Python'
  5     }
  6 proxy = request.ProxyHandler({'http': '5.22.195.215:80'})  # 设置proxy
  7 opener = request.build_opener(proxy)  # 挂载opener
  8 request.install_opener(opener)  # 安装opener
  9 data = parse.urlencode(data).encode('utf-8')
 10 page = opener.open(url, data).read()
 11 page = page.decode('utf-8')
 12 return page


归类 : python爬虫


内容总结

以上是互联网集市为您收集整理的Python3学习笔记（urllib模块的使用）全部内容，希望文章能够帮你解决Python3学习笔记（urllib模块的使用）所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/649321.html

来源：【匿名】