爬虫相关

 1 data = urllib.request.urlopen(url='http://www.sina.com') #
 2 print(data.info()) # 获取网页的信息
 3 print(data.getcode()) # 获取爬去过后是否成功的状态码
 4 print(data.geturl()) #  获取爬取的url
 5 print(data.read()) # 获取爬取网页的内容
 6 
 7 data2 = urllib.request.quote('http://www.baidu.com') # 对url进行编码,去除特殊的字符,讲中文进行编码
 8 >>>http%3A//www.baidu.com
 9 data3 = urllib.request.unquote(data2)  # 对网页url进行解码
10 >>>http://www.baidu.com
11 
12 # 注意以下三种添加UA的方式, headers的方式,是字典还是元组
13 #《一》
14 headers = ('User-Agent', 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Mobile Safari/537.36')
15 
16 opener = urllib.request.build_opener()  #构建opener对象
17 opener.addheaders = [headers]  # 给opener对象添加UA
18 data = opener.open(url) # 带UA进行爬取url
19 print(data.read())
20 
21 #《二》
22 headers = {'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Mobile Safari/537.36'}
23 
24 
25 request= urllib.request.Request(url, headers=headers)
26 data = urllib.request.urlopen(request)
27 print(data.read())
28 
29 #《三》
30 request= urllib.request.Request(url)
31 request.add_header('User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Mobile Safari/537.36')
32 data = urllib.request.urlopen(request)
33 print(data.read())
34 
35 #get
36 key = '周星驰电影全集'
37 new_key = urllib.request.quote(key)  #对中文进行编码
38 url = 'http://www.baidu.com/ssid=e1156d6c/from=844b/s?word='+ new_key
39 request = urllib.request.Request(url)
40 data = urllib.request.urlopen(request )
41 
42 #post 传参是字典形式,需要进行两次编码
43 key = {}
44 new_key = urllib.request.urlencode(key).encode('utf-8')
45 request = urllib.request.Request(url, data=new_key)
46 
47 # 代理ip  (http://www.xicidaili.com/)
48 
49 proxy_addr = '118.114.77.47:8080'
50 url = 'http://www.baidu.com'
51 
52 proxy = urllib.request.ProxyHandler({'http':proxy_addr}) # 使用ProxyHandler类构建对象,注意传参方式
53 opener = urllib.request.build_opener(proxy,
54 urllib.request.HTTPHandler)  # 使用代理地址构建opener对象,这里需要添加HTTPHandler类
55 urllib.request.install_opener(opener) # opener设置为全局对象
56 # data = opener.open(url)
57 data = urllib.request.urlopen(url) # 有了全局对象,使用urlopen就会使用opener对象来打开
58 print(data.read().decode('utf8'))
59 
60 # DebugLog 打印调试日志设置如下
61 httphd = urllib.request.HTTPHandler(debuglevel=1)  debuglevel设置为1
62 httpshd = urllib.request.HTTPSHandler(debuglevel=1)
63 opener = urllib.request.build_opener(httphd,httpshd)
64 urllib.request.install_opener(opener)
65 data = urllib.request.urlopen(url)
66 
67 # 异常处理,两个类
68 urllib.error.URLError
69 urllib.error.HTTPError # URLError的子类
70 # 一般来说,产生URLError的原因有如下几种可能:1)连接不上服务器2)远程URL不存在3)无网络4)触发了HTTPError

 

转载于:https://www.cnblogs.com/BensonChang/p/9187732.html

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
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