9.3 域名解析与网页爬虫
Python 3.x 标准库 urllib提供了 rullib.request、urllib.response、urllib.parse 和 urllib.error 4个模块,很好地支持了网页内容读取功能。
下面的代码演示了如何读取并显示指定网页的内容。
1 import urllib.request 2 3 fp = urllib.request.urlopen(r'http://www.baidu.com') 4 5 print(fp.read().decode()) #读取了返回HTML 6 7 fp.close()
下面的代码演示了如何使用GET方法读取并显示指定URL的内容。
1 import urllib.request 2 import urllib.parse 3 4 params = urllib.parse.urlencode({'spam':1,'eggs':2,'bacon':0}) 5 url = r'http://www.baidu.com%s'%params 6 with urllib.request.urlopen(url) as f: 7 print(f.read().decode('utf-8'))
下面的代码演示了如何使用POST方法提交参数并读取指定页面内容。
1 import urllib.request 2 import urllib.parse 3 4 data = urllib.parse.urlencode({'spam':1,'eggs':2,'bacon':0}) 5 data = data.encode('ascii') 6 with urllib.request.urlopen(r'http://www.baidu.com',data) as f: 7 print(f.read().decode('utf-8'))
下面的代码演示了如何使用HTTP代理访问指定网页。
1 import urllib.request 2 3 4 proxies = {'heet':'http://proxy.example.com:8080/'} 5 opener = urllib.request.FancyURLopener(proxies) 6 with opener.open('http://www.python.ory') as f: 7 f.read().decode('utf-8')
在IDLE或者Python程序中使用下面的代码调用浏览器打开指定网页:
1 import webbrowser 2 3 webbrowser.open('www.baidu.com')
最后,标准库urllib.parse import urlparse 提供了域名解析的功能,支持RUL的拆分与合并以及相对地址到绝对地址的转换。
1 from urllib.parse import urlparse 2 3 o = urlparse('http://www.cwi.nl:80/%7Eguido/Python.html') 4 print(o.port) #80 5 print(o.hostname) #www.cwi.nl 6 7 print(o) #ParseResult(scheme='http', netloc='www.cwi.nl:80', path='/%7Eguido/Python.html', params='', query='', fragment='') 8 9 print(urlparse('www.cwi.nl:80/%7Eguido/Python.html')) #ParseResult(scheme='www.cwi.nl', netloc='', path='80/%7Eguido/Python.html', params='', query='', fragment='') 10 11 12 from urllib.parse import urljoin 13 print(urljoin('http://www.cwi.nl:80/%7Eguido/Python.html','FAQ.html')) #http://www.cwi.nl:80/%7Eguido/FAQ.html 14 print(urljoin('http://www.cwi.nl:80/%7Eguido/Python.html','//www.python.org/%7Eguido')) #http://www.python.org/%7Eguido 15 16 from urllib.parse import urlsplit 17 url = r'https://docs.python.org/3/library/urllib.parse.html' 18 r1=urlsplit(url) 19 print(r1) #SplitResult(scheme='https', netloc='docs.python.org', path='/3/library/urllib.parse.html', query='', fragment='') 20 print(r1.geturl()) #https://docs.python.org/3/library/urllib.parse.html
转载于:https://www.cnblogs.com/avention/p/8984481.html
9.3 域名解析与网页爬虫相关推荐
- 【谷歌推网页爬虫新标准,开源robots.txt解析器】
https://www.toutiao.com/a1638031116246019 [谷歌推网页爬虫新标准,开源robots.txt解析器] 对于接触过网络爬虫的人来说 robots.txt 绝不陌生 ...
- python网页爬虫-python网页爬虫浅析
Python网页爬虫简介: 有时候我们需要把一个网页的图片copy 下来.通常手工的方式是鼠标右键 save picture as ... python 网页爬虫可以一次性把所有图片copy 下来. ...
- python网页爬虫-Python网页爬虫
曾经因为NLTK的缘故开始学习Python,之后渐渐成为我工作中的第一辅助脚本语言,虽然开发语言是C/C++,但平时的很多文本数据处理任务都交给了Python.离开腾讯创业后,第一个作品课程图谱也是选 ...
- Python十分适合用来开发网页爬虫
Python十分适合用来开发网页爬虫,理由如下: 1.抓取网页自身的接口 比较与其他静态编程语言,如java,c#,c++,python抓取网页文档的接口更简练:比较其他动态脚本语言,如perl,sh ...
- 实战|Python轻松实现动态网页爬虫(附详细源码)
用浅显易懂的语言分享爬虫.数据分析及可视化等干货,希望人人都能学到新知识. 项目背景 事情是这样的,前几天我公众号写了篇爬虫入门的实战文章,叫做<实战|手把手教你用Python爬虫(附详细源码) ...
- Python带你轻松进行网页爬虫
前不久DotNet开源大本营通过为.NET程序员演示如何在.NET下使用C#+HtmlAgilityPack+XPath进行网页数据的抓取,从而为我们展示了HtmlAgilitypack利器的优点和使 ...
- 排名前20的网页爬虫工具,超多干货
网络爬虫在许多领域都有广泛的应用,它的目标是从网站获取新的数据,并加以存储以方便访问.而网络爬虫工具越来越为人们所熟知,因为它能简化并自动化整个爬虫过程,使每个人都可以轻松访问网络数据资源. 1. O ...
- methanol 模块化的可定制的网页爬虫软件,主要的优点是速度快。
methanol模块化的可定制的网页爬虫软件,主要的优点是速度快. 下载:http://sourceforge.net/projects/methabot/?source=typ_redirect R ...
- python实现监控电脑打开网页_Python轻松实现动态网页爬虫(附详细源码)
AJAX动态加载网页 一 什么是动态网页 J哥一向注重理论与实践相结合,知其然也要知其所以然,才能以不变应万变. 所谓的动态网页,是指跟静态网页相对的一种网页编程技术.静态网页,随着html代码的生成 ...
最新文章
- Luogu P4479 [BJWC2018]第k大斜率
- 《C Primer Plus(第6版)中文版》一第1章 初识C语言1.1 C语言的起源
- Servlet的初始化参数
- 为什么watch机制不是银弹?
- php 留言板分页显示,php有分页的留言板,留言成功后怎么返回当前页?
- 单利计算与复利计算程序
- 【裸眼3D】 图形图像空洞填充
- 多人协同在线编辑文档软件使用体验
- MXNet对含隐藏状态的循环神经网络(RNN)的实现
- 浏览器是怎样工作的?
- Python量化交易平台开发教程系列7-顶层GUI界面开发(1)
- 由于找不到msvcp140.dll,无法继续执行代码。重新安装可能会解决此问题
- 【转官方】Android ADB调试命令、支持的命令、ADB文档
- PHP构造函数construct 析构函数destruct
- postgresql 安装使用修改密码psql登录
- 无人机学习之路——学习路线
- 杭电oj(Java版)——1713 相遇周期
- 使用Python快速启动文件服务器
- 总额超21亿!乐视网又双叒叕增加了被执行人信息
- 启动3dmax 9,出现脚本错误警告的解决方法
热门文章
- python从入门到入土表情包-Python开发个人专属表情包网站,表情在手,天下我有...
- python turtle画气球-micro:bit + LoRa 实现气球追踪
- python爬虫软件-8个最高效的Python爬虫框架,你用过几个?
- python 爬虫实例 电影-Python爬虫教程-17-ajax爬取实例(豆瓣电影)
- python基础知识面试题-python的一些基本概念知识和面试题
- python教程哪个版本好-tensorflow用python哪个版本更好?
- python语言入门书籍推荐-入门python有什么好的书籍推荐?
- python cookbook 中文版 第 3 版-《Python Cookbook》第三版中文版
- python解一元二次方程步骤-Python实现求解一元二次方程的方法示例
- python大数据分析实例-Python实现的大数据分析操作系统日志功能示例