0.爬虫 urlib库讲解 urlopen()与Request()

# 注意一下是import urllib.request 还是 form urllib import request

0. urlopen()

语法：urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)

实例0：(这个函数一般就使用三个参数 url data timeout)

*添加的data参数需要使用bytes()方法将参数转换为字节流（区别于str的一种类型是一种比特流 010010010）编码的格式的内容，即bytes类型。

*response.read()是bytes类型的数据，需要decode（解码）一下。

import urllib.parse
import urllib.request
import urllib.errorurl = 'http://httpbin.org/post'
data = bytes(urllib.parse.urlencode({'word': 'hello'}), encoding='utf8')
try:response = urllib.request.urlopen(url, data=data,timeout=1)
except urllib.error.URLError as e:if isinstance(e.reason, socket.timeout):print('TIME OUT')
else:print(response.read().decode("utf-8"))

输出结果：

{"args": {}, "data": "", "files": {}, "form": {"word": "hello"}, "headers": {"Accept-Encoding": "identity", "Content-Length": "10", "Content-Type": "application/x-www-form-urlencoded", "Host": "httpbin.org", "User-Agent": "Python-urllib/3.6"}, "json": null, "origin": "101.206.170.234, 101.206.170.234", "url": "https://httpbin.org/post"
}

实例1：查看i状态码、响应头、响应头里server字段的信息

import urllib.requestresponse = urllib.request.urlopen('https://www.python.org')
print(response.status)
print(response.getheaders())
print(response.getheader('Server'))

输出结果：

200
[('Server', 'nginx'), ('Content-Type', 'text/html; charset=utf-8'), ('X-Frame-Options', 'DENY'), ('Via', '1.1 vegur'), ('Via', '1.1 varnish'), ('Content-Length', '48410'), ('Accept-Ranges', 'bytes'), ('Date', 'Tue, 09 Apr 2019 02:32:34 GMT'), ('Via', '1.1 varnish'), ('Age', '722'), ('Connection', 'close'), ('X-Served-By', 'cache-iad2126-IAD, cache-hnd18751-HND'), ('X-Cache', 'MISS, HIT'), ('X-Cache-Hits', '0, 1223'), ('X-Timer', 'S1554777154.210361,VS0,VE0'), ('Vary', 'Cookie'), ('Strict-Transport-Security', 'max-age=63072000; includeSubDomains')]
nginx

使用urllib库的urlopen()方法有很大的局限性，比如不能设置响应头的信息等。所以需要引入request()方法。

1. Request()

实例0：（这两种方法的实现效果是一样的）

import urllib.requestresponse = urllib.request.urlopen('https://www.python.org')
print(response.read().decode('utf-8'))######################################import urllib.requestreq = urllib.request.Request('https://python.org')
response = urllib.request.urlopen(req)
print(response.read().decode('utf-8'))

下面主要讲解下使用Request()方法来实现get请求和post请求,并设置参数。

实例1：(post请求)

from urllib import request, parseurl = 'http://httpbin.org/post'
headers = {'User-Agent': 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)','Host': 'httpbin.org'
}
dict = {'name': 'Germey'
}
data = bytes(parse.urlencode(dict), encoding='utf8')
req = request.Request(url=url, data=data, headers=headers, method='POST')
response = request.urlopen(req)
print(response.read().decode('utf-8'))

亦可使用add_header()方法来添加报头，实现浏览器的模拟，添加data属性亦可如下书写：

补充：还可以使用bulid_opener()修改报头，不过多阐述，够用了就好。

from urllib import request, parseurl = 'http://httpbin.org/post'
dict = {'name': 'Germey'
}
data = parse.urlencode(dict).encode('utf-8')
req = request.Request(url=url, data=data, method='POST')
req.add_header('User-Agent', 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)')
response = request.urlopen(req)
print(response.read().decode('utf-8'))

实例2：(get请求) 百度关键字的查询

from urllib import request,parseurl = 'http://www.baidu.com/s?wd='
key = '路飞'
key_code = parse.quote(key)
url_all = url + key_code
"""
#第二种写法
url = 'http://www.baidu.com/s'
key = '路飞'
wd = parse.urlencode({'wd':key})
url_all = url + '?' + wd
"""
req = request.Request(url_all)
response = request.urlopen(req)
print(response.read().decode('utf-8'))

在这里，对编码decode、reqest模块里的quote()方法、urlencode()方法等就有疑问了，，对此，做一些说明：

parse.quote：将str数据转换为对应的编码
parse.urlencode：将字典中的k:v转换为K:编码后的v
parse.unquote：将编码后的数据转化为编码前的数据
decode 字符串解码 decode("utf-8")跟read()搭配很配！
encode 字符串编码

>>> str0 = '我爱你'
>>> str1 = str0.encode('gb2312')
>>> str1
b'\xce\xd2\xb0\xae\xc4\xe3'
>>> str2 = str0.encode('gbk')
>>> str2
b'\xce\xd2\xb0\xae\xc4\xe3'
>>> str3 = str0.encode('utf-8')
>>> str3
b'\xe6\x88\x91\xe7\x88\xb1\xe4\xbd\xa0'
>>> str00 = str1.decode('gb2312')
>>> str00
'我爱你'
>>> str11 = str1.decode('utf-8') #报错，因为str1是gb2312编码的
Traceback (most recent call last):File "<pyshell#9>", line 1, in <module>str11 = str1.decode('utf-8')
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xce in position 0: invalid continuation byte

* encoding指定编码格式

在这里，又有疑问了？read()、readline()、readlines()的区别：

read():全部，字符串str
reasline():一行
readlines():全部，列表list

转载于:https://www.cnblogs.com/DC0307/p/10675878.html

0.爬虫 urlib库讲解 urlopen()与Request()相关推荐

Python爬虫从入门到精通─第2课 Requests库讲解
本教程所有源码下载链接:share.weiyun.com/5xmFeUO 密码:fzwh6g 本教程版权归作者GitOPEN所有,转载请征求作者同意本教程首发于GitOPEN's Home Requ ...
0.爬虫介绍及requests库的使用
1. 互联网知识介绍互联网: 是由网络设备(网线, 路由器, 交换机, 防火墙...)和一台台计算机链接而成. 互联网建立的目的: 数据的共享/传递. 俗称的'上网': 由用户端计算机发送请求给目标 ...
爬虫工作流程、请求与响应原理、requests库讲解
爬虫工作流程.请求与响应原理.requests库讲解爬虫分类主要分为两大板块 web爬虫(浏览器爬虫) APP爬虫(手机端爬虫) 在这两大板块中又可以把爬虫归类为聚焦爬虫和通用爬虫聚焦爬虫:针对某 ...
爬虫_urllib2库的使用
爬虫_urllib2库的使用所谓网页抓取,就是把URL地址中指定的网络资源从网络流中读取出来,保存到本地. 在Python中有很多库可以用来抓取网页,我们先学习urllib2. urllib2 是 ...
Python爬虫——Requests 库基本使用
文章目录 Python爬虫--Requests 库基本使用 1.Requests简介和下载 2.Requests 库基本使用 Python爬虫--Requests 库基本使用 1.Requests简介 ...
Python爬虫5.3 — scrapy框架spider[Request和Response]模块的使用
Python爬虫5.3 - scrapy框架spider[Request和Response]模块的使用综述 Request对象 scrapy.Request()函数讲解: Response对象发送 ...
python网络爬虫——爬虫第三方库的使用（二）
爬虫第三方库的使用一.urllib库的介绍与使用 1.urlopen()方法 2.Request()方法 3.Robots协议二.requests库的介绍与使用 1.GET请求 2.POST请求 ...
2.03_01_Python网络爬虫urllib2库
一:urllib2库的基本使用所谓网页抓取,就是把URL地址中指定的网络资源从网络流中抓取出来.在Python中有很多库可以用来抓取网页,我们先学习urllib2. urllib2 是 Python ...
python爬虫学习笔记3.2-urllib和request练习
python爬虫学习笔记3.2-urllib和request练习一.urllib练习 1.百度贴吧案例需求分析手动测试查询流程观察页面分析特殊部分 https://tieba.baidu. ...

0.爬虫 urlib库讲解 urlopen()与Request()

0.爬虫 urlib库讲解 urlopen()与Request()相关推荐

最新文章

热门文章