python urllib.request 爬虫数据处理-python爬虫 urllib模块url编码处理

案例：爬取使用搜狗根据指定词条搜索到的页面数据（例如爬取词条为"周杰伦'的页面数据）

import urllib.request

# 1.指定url

url = 'https://www.sogou.com/web?query=周杰伦'

'''

2.发起请求:使用urlopen函数对指定的url发起请求，

该函数返回一个响应对象，urlopen代表打开url

'''

response = urllib.request.urlopen(url=url)

# 3.获取响应对象中的页面数据:read函数可以获取响应对象中存储的页面数据(byte类型的数据值)

page_text = response.read()

# 4.持久化存储：将爬取的页面数据写入文件进行保存

with open("sougou.html","wb") as f:

f.write(page_text)

print("写入数据成功")

f.close()

编码错误

【注意】上述代码中url存在非ascii编码的数据，则该url无效。如果对其发起请求，则会报如下错误：

UnicodeEncodeError: 'ascii' codec can't encode characters in position 15-17: ordinal not in range(128)

url的特性：url不可以存在非ASCII编码字符数据，url必须为ASCII编码的数据值。所以我们在爬虫代码中编写url时，如果url中存在非ASCII编码的数据值，则必须对其进行ASCII编码后，该url方可被使用。

上面的“周杰伦” 不是ASCII编码字符数据，所以url就会变成无效的url，不符合url特性，所以报错误

所以必须对url中的非ascii的数据进行ascii的编码，则该url方可被发起请求：

需要用到 urllib.parse

方法 1：使用quote函数

quote函数作用：对url中所存在的特殊字符进行ASCII的编码，把url中的非ascii编码的字符单独取出来，使用quote函数进行转码，

转码之后，把转码的结果拼接到原有的url当中。

import urllib.request

import urllib.parse

# 1.指定url

url = 'https://www.sogou.com/web?query=周杰伦'

word = urllib.parse.quote("周杰伦")

# 查看转码后结果

print(word)

# %E5%91%A8%E6%9D%B0%E4%BC%A6

from urllib.request import urlopen

import urllib.parse

# 1.指定url

url = 'https://www.sogou.com/web?query='

# url的特性：url不可以存在非ASCII编码字符数据

word = urllib.parse.quote("周杰伦")

# 将编码后的数据值拼接回url中

url = url+word # 有效url

'''

2.发起请求:使用urlopen函数对指定的url发起请求，

该函数返回一个响应对象，urlopen代表打开url

'''

response = urlopen(url=url)

# 3.获取响应对象中的页面数据:read函数可以获取响应对象中存储的页面数据(byte类型的数据值)

page_text = response.read()

# 4.持久化存储：将爬取的页面数据写入文件进行保存

with open("周杰伦.html","wb") as f:

f.write(page_text)

print("写入数据成功")

以上就是本文的全部内容，希望对大家的学习有所帮助

您可能感兴趣的文章:

python urllib.request 爬虫数据处理-python爬虫 urllib模块url编码处理相关推荐

python urllib.request 爬虫数据处理-python 爬虫之 urllib库
文章更新于:2020-03-02 注:代码来自老师授课用样例. 一.初识 urllib 库在 python2.x 版本,urllib 与urllib2 是两个库,在 python3.x 版本,二者合 ...
python urllib.request 爬虫数据处理-python之爬虫（三） Urllib库的基本使用
什么是Urllib Urllib是python内置的HTTP请求库包括以下模块 urllib.request 请求模块 urllib.error 异常处理模块 urllib.parse url解析模 ...
python urllib.request 爬虫数据处理-Python爬虫学习之（二）| urllib进阶篇
作者:xiaoyu 微信公众号:Python数据科学知乎:Python数据分析师前情回顾,urllib的基本用法 urllib库的基本组成利用最简单的urlopen方法爬取网页html 利用Re ...
python urllib.request 爬虫数据处理-Python网络爬虫(基于urllib库的get请求页面)
一.urllib库 urllib是Python自带的一个用于爬虫的库,其主要作用就是可以通过代码模拟浏览器发送请求.其常被用到的子模块在Python3中的为urllib.request和urllib. ...
python urllib.request 爬虫数据处理-python爬虫1--urllib请求库之request模块
urllib为python内置的HTTP请求库,包含四个模块: request:最基本的HTTP请求模块, 只需要传入URL和参数 error:异常处理模块 parse:工具模块,处理URL,拆分.解 ...
python urllib.request 爬虫数据处理-python爬虫 urllib模块url编码处理详解
案例:爬取使用搜狗根据指定词条搜索到的页面数据(例如爬取词条为"周杰伦'的页面数据) import urllib.request # 1.指定url url = 'https://www.s ...
python urllib.request 爬虫数据处理-python爬虫之json数据处理
# -*- coding: utf-8 -*- # @Time : 2019/11/5 23:18 # @Author : AForever # @Site : # @File : Spider_05 ...
python urllib3 request 无返回结果_python urllib request urlopen请求网页返回bytes类型
首次调用read()时有返回,之后的调用一直返回b'' >>> f = request.urlopen('http://www.baidu.com/') >>> f ...
python中request获取数据,Python 中request数据的获取
@app.route('/users', methods=['GET', 'POST']) def users(): print "Hello, World!" print(req ...

python urllib.request 爬虫数据处理-python爬虫 urllib模块url编码处理

python urllib.request 爬虫数据处理-python爬虫 urllib模块url编码处理相关推荐

最新文章

热门文章

python urllib.request 爬虫 数据处理-python爬虫 urllib模块url编码处理

python urllib.request 爬虫 数据处理-python爬虫 urllib模块url编码处理相关推荐

最新文章

热门文章

python urllib.request 爬虫数据处理-python爬虫 urllib模块url编码处理

python urllib.request 爬虫数据处理-python爬虫 urllib模块url编码处理相关推荐