Python3: urllib模块的使用

转载 2018年04月15日 14:15:41

原文:

https://www.cnblogs.com/Lands-ljk/p/5447127.htm

1.基本方法

urllib.request.urlopen(urldata=None[timeout]*cafile=Nonecapath=Nonecadefault=Falsecontext=None)

-         url:  需要打开的网址

-         data:Post提交的数据

-         timeout:设置网站的访问超时时间

直接用urllib.request模块的urlopen()获取页面,page的数据格式为bytes类型,需要decode()解码,转换成str类型。

1 from urllib import request
2 response = request.urlopen(r'http://python.org/') # <http.client.HTTPResponse object at 0x00000000048BC908> HTTPResponse类型
3 page = response.read()
4 page = page.decode('utf-8')

urlopen返回对象提供方法:

-         read() , readline() ,readlines() , fileno() , close() :对HTTPResponse类型数据进行操作

-         info():返回HTTPMessage对象,表示远程服务器返回的头信息

-         getcode():返回Http状态码。如果是http请求,200请求成功完成;404网址未找到

-         geturl():返回请求的url

2.使用Request

urllib.request.Request(url, data=None, headers={}, method=None)

使用request()来包装请求,再通过urlopen()获取页面。

复制代码
 1 url = r'http://www.lagou.com/zhaopin/Python/?labelWords=label'
 2 headers = {
 3     'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
 4                   r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
 5     'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
 6     'Connection': 'keep-alive'
 7 }
 8 req = request.Request(url, headers=headers)
 9 page = request.urlopen(req).read()
10 page = page.decode('utf-8')
复制代码

用来包装头部的数据:

-         User-Agent :这个头部可以携带如下几条信息:浏览器名和版本号、操作系统名和版本号、默认语言

-         Referer:可以用来防止盗链,有一些网站图片显示来源http://***.com,就是检查Referer来鉴定的

-         Connection:表示连接状态,记录Session的状态。

3.Post数据

urllib.request.urlopen(urldata=None[timeout]*cafile=Nonecapath=Nonecadefault=Falsecontext=None)

urlopen()的data参数默认为None,当data参数不为空的时候,urlopen()提交方式为Post。

复制代码
 1 from urllib import request, parse
 2 url = r'http://www.lagou.com/jobs/positionAjax.json?'
 3 headers = {
 4     'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
 5                   r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
 6     'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
 7     'Connection': 'keep-alive'
 8 }
 9 data = {
10     'first': 'true',
11     'pn': 1,
12     'kd': 'Python'
13 }
14 data = parse.urlencode(data).encode('utf-8')
15 req = request.Request(url, headers=headers, data=data)
16 page = request.urlopen(req).read()
17 page = page.decode('utf-8')
复制代码

urllib.parse.urlencode(query, doseq=False, safe='', encoding=None, errors=None)

urlencode()主要作用就是将url附上要提交的数据。 

复制代码
1 data = {
2     'first': 'true',
3     'pn': 1,
4     'kd': 'Python'
5 }
6 data = parse.urlencode(data).encode('utf-8')
复制代码

经过urlencode()转换后的data数据为?first=true?pn=1?kd=Python,最后提交的url为

http://www.lagou.com/jobs/positionAjax.json?first=true?pn=1?kd=Python

Post的数据必须是bytes或者iterable of bytes,不能是str,因此需要进行encode()编码

1 page = request.urlopen(req, data=data).read()

当然,也可以把data的数据封装在urlopen()参数中

4.异常处理

复制代码
 1 def get_page(url):
 2     headers = {
 3         'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
 4                     r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
 5         'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
 6         'Connection': 'keep-alive'
 7     }
 8     data = {
 9         'first': 'true',
10         'pn': 1,
11         'kd': 'Python'
12     }
13     data = parse.urlencode(data).encode('utf-8')
14     req = request.Request(url, headers=headers)
15     try:
16         page = request.urlopen(req, data=data).read()
17         page = page.decode('utf-8')
18     except error.HTTPError as e:
19         print(e.code())
20         print(e.read().decode('utf-8'))
21     return page
复制代码

5、使用代理 

urllib.request.ProxyHandler(proxies=None)

当需要抓取的网站设置了访问限制,这时就需要用到代理来抓取数据。

复制代码
 1 data = {
 2         'first': 'true',
 3         'pn': 1,
 4         'kd': 'Python'
 5     }
 6 proxy = request.ProxyHandler({'http': '5.22.195.215:80'})  # 设置proxy
 7 opener = request.build_opener(proxy)  # 挂载opener
 8 request.install_opener(opener)  # 安装opener
 9 data = parse.urlencode(data).encode('utf-8')
10 page = opener.open(url, data).read()
11 page = page.decode('utf-8')
12 return page
复制代码

Python3网络爬虫实战案例

-
  • 1970年01月01日 08:00

Python3学习笔记(urllib模块的使用)

1.基本方法 urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=Fal...
  • whatday
  • whatday
  • 2017-04-27 16:58:25
  • 875

Python3 urllib模块使用

1.基本方法 urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=F...
  • u014082714
  • u014082714
  • 2017-07-02 21:20:51
  • 1068

Python3学习笔记 urllib模块的使用

1.基本方法 url: 需要打开的网址 data:Post提交的数据 timeout:设置网站的访问超时时间 直接用urllib.request模块的urlopen()获取页面,page的数据格式...
  • qq_38165374
  • qq_38165374
  • 2017-07-04 13:28:34
  • 1331

Python3模块详解--老司机工具urllib模块详解之urllib.request子模块

urllib模块中常见的模块就是urllib.request模块,对于这个模块我会深入讲解一下,因为Python3.3.0之后,它的用法有了一个变化,在开发的过程中需要大家注意: The urllib...
  • zly412934578
  • zly412934578
  • 2017-09-01 16:37:06
  • 441

Python3中的urllib.request模块

Python 3.x版本后的urllib和urllib2 现在的Python已经出到了3.5.2 在Python 3以后的版本中,urllib2这个模块已经不单独存在(也就是说当你impo...
  • zd147896325
  • zd147896325
  • 2018-01-03 09:37:53
  • 386

Python3 Urllib学习

urllib 的四个模块 1 . urllib.request 2. urllib.error 3. urllib.parser 4. urllib.robotparser import...
  • Jerry_ICCAS
  • Jerry_ICCAS
  • 2017-01-07 20:17:35
  • 384

Python3模块详解--老司机工具urllib模块详解

随着Python3的逐渐广泛应用,urllib这个常用的模块自然而然进入了大家的视野,下面主要对Python3.6.0中的urllib模块进行详解,希望能帮到大家 Python3.6.0中urllib...
  • zly412934578
  • zly412934578
  • 2017-09-01 15:02:44
  • 265

Python3模块详解--老司机工具urllib模块详解之urllib.parse子模块

This module defines a standard interface to break Uniform Resource Locator (URL) strings up in compo...
  • zly412934578
  • zly412934578
  • 2017-09-02 12:18:35
  • 1464

Python3 urllib和第三方模块requests

Python3 把所有的http包大包成为了两个包:http和urllib 1、httpfrom http import server, client, cookiejar, cookieshttp...
  • bing900713
  • bing900713
  • 2017-03-13 20:46:43
  • 876
收藏助手
不良信息举报
您举报文章:Python3: urllib模块的使用
举报原因:
原因补充:

(最多只允许输入30个字)