【python爬虫学习篇】请求模块urllib

目录

1,请求模块urllib

1.1,urllib模块包含的多个子模块

1.2,使用urlopen()方法发送请求

1.2.1,简介

1.2.2,发送Get请求

1.2.3,发送POST请求

1.2.4,设置网络超时

1.3,复杂的网络请求

1.3.1,Request()的语法格式:

1.3.2,设置请求头

1.3.3,异常处理


1,请求模块urllib

(介绍:urllib模块为python自带的网络请求模块,无需导入)

1.1,urllib模块包含的多个子模块

urllib.request用于实现基本HTTP请求的模块。

urllib.error异常处理模块,如果在发送网络请求时出现了错误,可以捕获异常进行异常的有效处理。

urllib.parse:用于解析URL的模块。

urllib.robotparser:用于解析robots.txt文件,判断网站是否可以爬取信息。

1.2,使用urlopen()方法发送请求

1.2.1,简介

urllib.request模块提供了urlopen()方法,用于实现最基本的HTTP请求,然后接收服务端所返回的响应数据。

urlopen()方法的语法格式:

urllib.request.urlopen(url,date=None[timeout,]*,cafile=None,capth=None,cadefault=False,context=None)

urllib.request.urlopen(url,date=None[timeout,]*,cafile=None,capth=None,cadefault=False,context=None)

✅url:需要访问网址的URL完整地址

✅date:该参数默认为None,通过该参数确定请求方式,如果是None请求方式为GET,否则请求方式为POST。

✅timeout:以秒为单位,设置超时。

✅cafile、capath:指定一组HTTPS请求受信任的CA证书,cafile指定包含CA证书的单个文件,capth指定证书文件目录。

✅cadefault:CA证书默认值。

✅context:描述SSL选项的实例。

1.2.2,发送Get请求

在使用urlopen()方法实现一个网络请求时,所返回的是一个http.client.HTTPResponse对象,在HTTPResponse对象中包含着需要获取信息的方法以及属性,式例如下

import urllib.request                     #导入request子模块
url="https://www.python.org/"     
response=urllib.request.urlopen(url=url)  #发送网络请求
print('响应状态码为:',response.status)
print('响应数据类型为:',type(response))
print('相应头所有信息为:',response.getheaders())
print('相应头指定信息为:',response.getheader('Accept-Ranges'))
#读取HTML代码并进行utf-8解码
print('Python 官网 HTML 代码如下:\n',response.read().decode('utf-8'))

代码结果!

1.2.3,发送POST请求

urlopen方法在默认情况下发送的是Get请求,在发送POST请求时,需要为其设置data参数,该参数是bytes类型,所以需要使用bytes()方法将参数进行数据转化。

import urllib.request                     #导入request子模块
url="https://www.python.org/"     
response=urllib.request.urlopen(url=url)  #发送网络请求
print('响应状态码为:',response.status)
print('响应数据类型为:',type(response))
print('相应头所有信息为:',response.getheaders())
print('相应头指定信息为:',response.getheader('Accept-Ranges'))
#读取HTML代码并进行utf-8解码
print('Python 官网 HTML 代码如下:\n',response.read().decode('utf-8'))

​

运行结果如下:

1.2.4,设置网络超时

点这

1.3,复杂的网络请求

(介绍:前面的urlopen只能实现最基本的网络请求,所以......看后续)

1.3.1,Request()的语法格式:

urllib.request.Request(url,data=None,haeders{},origin_req_host=None,unverifiable=False,method=None)

urllib.request.Request(url,data=None,haeders{},origin_req_host=None,unverifiable=False,method=None)

headers:设置请求头信息,该参数类型为字典类型。添加请求头信息最常见的用法就是修改User-Agent来伪装成浏览器,例如,headers={'User-Agent':'Mozilla/5.0(Windows NT 10.0;WOW64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/83.0.4103.61 Safari/537.36'},表示伪装谷歌浏览器进行网络请求

origin_req_host:用于设置请求方的host名称或IP

unverfiable:用于设置网页是否需要验证,默认值为False

method:用于设置请求方式,如GET,POST等,默认为GET请求

1.3.2, 设置请求头

设置请求头参数是为了模拟浏览器向网页后台发送网络请求,这样可以避免服务器的反爬措施。

设置请求头实例:

如果需要设置请求头信息,那么首先要通过Request类构造一个带有headers请求头信息的Request对象,然后为urlopen()方法传入Request对象,再进行网络请求发送。

import urllib.request
import urllib.parse
url='https://www.httpbin.org/post'
#定义请求头信息,这里是模拟谷歌浏览器
headers={'User-Agent':'Mozilla/5.0(Windows NT 10.0;WOW64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/83.0.4103.61 Safari/537.36'}
#将表单数据转化为bytes类型,并设置编码方式为:utf-8
data=bytes(urllib.parse.urlencode({'hello':'python'}),encoding='utf-8')
#创建Resquest对象
r=urllib.request.Request(url=url,data=data,headers=headers,method='POST')
#发送网络请求
response=urllib.request.urlopen(r)
#读取并解码
print(response.read().decode('utf-8'))

1.3.3,异常处理

urllib模块中urllib.error子模块包含了URLError和HTTPError俩个比较重要的异常类。

URLError类中提供了一个reason属性,可以调用该属性查看错误。

HTTPError类有三个属性,

(1)code:返回HTTP的状态码。

(2)reason:返回错误原因。

(3)headers:返回请求头。

由于HTTPErrorURLError的子类,有时候HTTPError类会有捕捉不到的异常,所以可以先捕捉HTTPError类,然后再捕捉URLError类,这样可以起双重保险,例如:

#双重异常捕捉
import urllib.request
import urllib.error
try:
    url=urllib.request.urlopen('https://www.httpbin.org/post/iii',timeout=0.1)
    print('没有异常')
except urllib.error .HTTPError as error2:
    print('状态码:',error2.code)
    print('HTTPError异常信息为:',error2.reason)
    print('请求头信息如下:',error2.headers)
except urllib.error.URLError as error1:
    print('URLError异常信息为:',error1.reason)

由此可知HTTPError没有捕捉到 time out超时,再然后就被URLError捕捉到了。

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

致奋斗的自己

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值