天狼啸月1990的博客

session是requests库中的一个类，创建session对象进行访问的好处是，session对象能够自动维护访问的cookies信息(通过js修改的cookies信息它是记录不到的)urllib.request.Request --> urlopen()方法可以实现最基本构造HTTP请求的方法，但如果加入headers等信息，就可以利用Request类来构造请求。我个人认为，select()方法兼容方法更多，更关键的是，它支持提取子标签匹配规则，即：'a>div>img'。

例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”；“\b1_”可以匹配“1_23”中的“1_”，但不能匹配“21_3”中的“1_”。

import urllib.requestimport urllib.parsefrom lxml import etreeimport sslssl._create_default_https_context = ssl._create_unverified_contextdef query(content): # 请求地址 url = 'https://baike.baidu.com/item/' + urllib.parse.quote(content) # 请求.

模块urllib和urllib2的功能差不多，简单来说urllib2是urllib的增强——urllib2更好一些，但是urllib中有urllib2中所没有的函数。在Python2.x中主要为urllib和urllib2，这两个标准库是不可相互替代的。使用lxml前注意，先确保html经过了utf-8解码，即code = html.decode('utf-8', 'ignore')/ -->类似于find()，// -->类似于find_all()，后面跟标签名，[@ ] --> @后面跟属性名。

json，通信格式，可读性强，却会添加冗余空白格 --> separator对数据进行压缩。