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:

  1. 全新的界面设计 ,将会带来全新的写作体验;
  2. 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;
  3. 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;
  4. 全新的 KaTeX数学公式 语法;
  5. 增加了支持甘特图的mermaid语法1 功能;
  6. 增加了 多屏幕编辑 Markdown文章功能;
  7. 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;
  8. 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: Alt

居中的图片: Alt

居中并且带尺寸的图片: Alt

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

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
  1. 项目1
  2. 项目2
  3. 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:

TYPEASCIIHTML
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 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n1)!nN 是通过欧拉积分

Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t   . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=0tz1etdt.

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

Mon 06 Mon 13 Mon 20 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid
  • 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:

张三 李四 王五 你好!李四, 最近怎么样? 你最近怎么样,王五? 我很好,谢谢! 我很好,谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五... 很好... 王五, 你怎么样? 张三 李四 王五

这将产生一个流程图。:

链接
长方形
圆角长方形
菱形
  • 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:

Created with Raphaël 2.2.0 开始 我的操作 确认? 结束 yes no
  • 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。


  1. mermaid语法说明 ↩︎

  2. 注脚的解释 ↩︎

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