URL编码与解码

最新推荐文章于 2024-06-09 20:48:54 发布

junyao4311

最新推荐文章于 2024-06-09 20:48:54 发布

阅读量5k

点赞数

文章标签： python 开发语言后端

原文链接：https://www.cnblogs.com/tinghai8/p/9035173.html

版权

一．parse.urlencode() 与parse.unquote()

urllib 和urllib.request都是接受URL请求的相关模块，但是提供了不同的功能。两个最显著的不同如下：

1.urllib 仅可以接受URL，不能创建设置了headers 的Request 类实例；

2.但是 urllib 提供 urlencode 方法用来GET查询字符串的产生，而urllib.request 则没有。（这是 urllib 和urllib.request 经常一起使用的主要原因）

3.编码工作使用urllib的parse.urlencode()函数，帮我们将key:value这样的键值对转换成"key=value"这样的字符串，解码工作可以使用urllib的parse.unquote()函数。（注意，不是urllib.request.urlencode() )

例子一

#导入parse模块

from urllib import parse

import urllib.request

url = ‘https://www.baidu.com/s?’

#定义一个字典

wd ={“wd”:“传智播客”}

urlencode() 接受的参数是一个字典

pw=parse.urlencode(wd)

print(pw)

wd1 ={“wd1”:“传”}

pw1=parse.urlencode(wd1)

print(pw1)

wd2={“wd2”:“智”}

pw2=parse.urlencode(wd2)

print(pw2)

wd3={“wd3”:“播”}

pw3=parse.urlencode(wd3)

print(pw3)

wd4={“wd4”:“客”}

pw4=parse.urlencode(wd4)

print(pw4)

通过parse.unquote()方法进行解码，把 URL编码字符串，转换回原先字符串。

print(parse.unquote(“wd=%E4%BC%A0%E6%99%BA%E6%92%AD%E5%AE%A2”))

运行的结果：

wd=%E4%BC%A0%E6%99%BA%E6%92%AD%E5%AE%A2

wd1=%E4%BC%A0

wd2=%E6%99%BA

wd3=%E6%92%AD

wd4=%E5%AE%A2

wd=传智播客

二．URL编码与解码工具

http://tool.chinaz.com/Tools/urlencode.aspx

URL编码与解码

三．一般HTTP请求提交数据，需要编码成 URL编码格式，然后做为url的一部分，或者作为参数传到Request对象中。

Get方式

urllib库与urllib.request库的结合应用

例子一：贴吧小爬虫案例

from urllib import parse

import urllib.request

url =‘https://www.baidu.com/s’

header={“User-Agent”: “Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.139 Safari/537.36”

}

keyword = input(“请输入需要查询的字符串：”)

wd={“wd”:keyword }

wd=parse.urlencode(wd)

#拼接完整的URL

fullurl =url+"?"+wd

print(fullurl)

url 作为Request()方法的参数，构造并返回一个Request对象

request = urllib.request.Request(fullurl,headers=header)

Request对象作为urlopen()方法的参数，发送给服务器并接收响应

response = urllib.request.urlopen(request)

html = response.read()

print(html)

运行结果：

例子二：批量爬取贴吧页面数据

第一步：先观察贴吧各页之间的规律

第一页：http://tieba.baidu.com/f?kw=lol&ie=utf-8&pn=0

第二页： http://tieba.baidu.com/f?kw=lol&ie=utf-8&pn=50

第三页： http://tieba.baidu.com/f?kw=lol&ie=utf-8&pn=100

从中得出分页之间的规律：pn = (page - 1) * 50

步骤分析：

简单写一个小爬虫程序，来爬取百度贴吧的所有网页。

先写一个main，提示用户输入要爬取的贴吧名，并用parse.urlencode()进行转码，然后组合url，假设是lol吧，那么组合后的url就是：http://tieba.baidu.com/f?kw=lol

模拟 main 函数

if name == “main”:

kw = input("请输入需要爬取的贴吧:")

# 输入起始页和终止页，str转成int类型

beginPage = int(input("请输入起始页："))

endPage = int(input("请输入终止页："))



url = "http://tieba.baidu.com/f?"

key = parse.urlencode({"kw" : kw})



# 组合后的url示例：http://tieba.baidu.com/f?kw=lol

url = url + key

print(url)

tiebaSpider(url, beginPage, endPage)

接下来，我们写一个百度贴吧爬虫接口，我们需要传递3个参数给这个接口，一个是main里组合的url地址，以及起始页码和终止页码，表示要爬取页码的范围。

def tiebaSpider(url, beginPage, endPage):

"""

    作用：负责处理url，分配每个url去发送请求

    url：需要处理的第一个url

    beginPage: 爬虫执行的起始页面

    endPage: 爬虫执行的截止页面

"""

for page in range(beginPage, endPage + 1):

    pn = (page - 1) * 50



    filename = "第" + str(page) + "页.html"

    # 组合为完整的 url，并且pn值每次增加50

    fullurl = url + "&pn=" + str(pn)

    print(fullurl)

    print(filename)

    #print fullurl



    # 调用loadPage()发送请求获取HTML页面

    html = loadPage(fullurl, filename)

    # 将获取到的HTML页面写入本地磁盘文件

    writeFile(html, filename)

写一个爬取网页的函数loadPage

def loadPage(url, filename):

'''

    作用：根据url发送请求，获取服务器响应文件

    url：需要爬取的url地址

    filename: 处理的文件名

'''

print("正在下载" + filename)



headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.139 Safari/537.36"

}

request = urllib.request.Request(url, headers = headers)

response = urllib.request.urlopen(request)

return response.read()

最后如果我们希望将爬取到了每页的信息存储在本地磁盘上，我们可以简单写一个存储文件的接口。

def writeFile(html, filename):

"""

    作用：保存服务器响应文件到本地磁盘文件里

    html: 服务器响应文件

    filename: 本地磁盘文件名

"""

print "正在存储" + filename

with open(filename, 'w') as f:

    f.write(html)

print "-" * 20

完整的程序实现：

author = ‘Administrator’

date: 2018/5/13

from urllib import parse

import urllib.request

def loadPage(url, filename):

'''

    作用：根据url发送请求，获取服务器响应文件

    url：需要爬取的url地址

    filename: 处理的文件名

'''

print("正在下载" + filename)

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.139 Safari/537.36"

}

request = urllib.request.Request(url, headers = headers)

response = urllib.request.urlopen(request)

return response.read()

def writeFile(html, filename):

"""

    作用：保存服务器响应文件到本地磁盘文件里

    html: 服务器响应文件

    filename: 本地磁盘文件名

"""

print("正在存储" + filename)

with open(filename, 'w') as f:

    f.write(html)

print("-" * 20)

def tiebaSpider(url, beginPage, endPage):

"""

    作用：负责处理url，分配每个url去发送请求

    url：需要处理的第一个url

    beginPage: 爬虫执行的起始页面

    endPage: 爬虫执行的截止页面

"""

for page in range(beginPage, endPage + 1):

    pn = (page - 1) * 50

    filename = "第" + str(page) + "页.html"

    # 组合为完整的 url，并且pn值每次增加50

    fullurl = url + "&pn=" + str(pn)

    print(fullurl)

    print(filename)

    #print fullurl



    # 调用loadPage()发送请求获取HTML页面

    html = loadPage(fullurl, filename)

    # 将获取到的HTML页面写入本地磁盘文件

    writeFile(html, filename)

模拟 main 函数

if name == “main”:

kw = input("请输入需要爬取的贴吧:")

# 输入起始页和终止页，str转成int类型

beginPage = int(input("请输入起始页："))

endPage = int(input("请输入终止页："))



url = "http://tieba.baidu.com/f?"

key = parse.urlencode({"kw" : kw})



# 组合后的url示例：http://tieba.baidu.com/f?kw=lol

url = url + key

print(url)

tiebaSpider(url, beginPage, endPage)

转载于:https://www.cnblogs.com/tinghai8/p/9035173.html

欢迎使用Markdown编辑器

你好！这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

全新的界面设计 ，将会带来全新的写作体验；
在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
全新的 KaTeX数学公式 语法；
增加了支持甘特图的mermaid语法¹ 功能；
增加了 多屏幕编辑 Markdown文章功能；
增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

~~删除文本~~

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片: Alt

带尺寸的图片:

居中的图片: Alt

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

项目
- 项目
  - 项目

项目1
项目2
项目3

计划任务
完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	`'Isn't this fun?'`	‘Isn’t this fun?’
Quotes	`"Isn't this fun?"`	“Isn’t this fun?”
Dashes	`-- is en-dash, --- is em-dash`	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma(n) = (n-1)!\quad\forall n\in\mathbb N$ 是通过欧拉积分

$\Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

关于 甘特图 语法，参考这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

这将产生一个流程图。:

关于 Mermaid 语法，参考这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

关于 Flowchart流程图 语法，参考这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

mermaid语法说明 ↩︎
注脚的解释 ↩︎

junyao4311

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
URL编码与解码

一．parse.urlencode() 与parse.unquote()urllib 和urllib.request都是接受URL请求的相关模块，但是提供了不同的功能。两个最显著的不同如下：1.urllib 仅可以接受URL，不能创建设置了headers 的Request 类实例；2.但是 urllib 提供 urlencode 方法用来GET查询字符串的产生，而urllib.request 则没有。（这是 urllib 和urllib.request 经常一起使用的主要原因）3.编码工作使用ur
复制链接

扫一扫