urllib库中的request
具体实现步骤:
导⼊urlib库和re正则
使⽤urllib.request.Request()创建request请求对象
使⽤urllib.request.urlopen执⾏信息爬取,并返回Response对象
使⽤read()读取信息,使⽤decode()执⾏解码
使⽤re正则解析结果
遍历输出结果信息
from urllib import request
import re
#使用此方法,url和参数(product_id=10000214)是写在一起的,可以对比一下两种方法的url写法
#封装request请求
url = "https://www.mi.com/buy/detail?product_id=10000214"
req = request.Request(url)
#执⾏请求获取响应信息
res = request.urlopen(req)
# 从响应对象中读取信息并解码
html = res.read().decode("utf-8")
#使⽤正则解析出新闻标题信息
pat = '<title>(.*?)</title>'
dlist = re.findall(pat,html)
# 输出结果:
print(dlist)
# 也可以直接输出结果
#print(re.findall("<title>(.*?)</title>",html)) # ['小米10立即购买-小米商城']
'''
# 如果想要输出其他结果,比如标题和链接,可以参考下面遍历输出结果
for v in dlist:
print(v[1]+":"+v[0])
'''
requests : 这种方法是常用方法
import re
import requests
url="https://www.mi.com/buy/detail"
data = {'product_id':10000214}
# 抓取信息
res = requests.get(url,params=data)
print(res.text) #获取文本内容
print(res.status_code) #获取HTTP状态码
# 获取响应内容(这一步与上面方法有所不同)
html = res.content.decode('utf-8')
#解析出结果
print(re.findall('<title>(.*?)</title>',html))
requests的响应对象:requests.models.Response
response.text 获取str类型(Unicode编码)的响应
response.content 获取bytes类型的响应
response.content.decode("utf-8") 将获取的bytes类型进⾏解码(转字串)
response.status_code 获取响应状态码
response.headers 获取响应头
response.request 获取响应对应的请求
# 各种请求⽅式:常⽤的就是requests.get()和requests.post()
import requests
res = requests.get('https://api.github.com/events')
res = requests.post('http://httpbin.org/post', data = {'key':'value'})
res = requests.put('http://httpbin.org/put', data = {'key':'value'})
res = requests.delete('http://httpbin.org/delete')
res = requests.head('http://httpbin.org/get')
res = requests.options('http://httpbin.org/get')