urllib库知识

urllib库：

urllib库是Python中一个最基本的网络请求库，可以模拟浏览器的行为，向指定的服务器发送一个请求，并可以保存服务器返回的数据

urlopen函数：

• 在Python3的urllib库中，所有和网络请求相关的方法，都被集中到urllib.request模块下，先看下urllib函数基本的使用：

  from urllib import request
  
  resp = request.urlopen('http://www. baidu.com')
  print(resp.read())
  

  以下对urlopen的函数进行详细讲解：
  1. url:请求的url
  2. data:请求的data，如果设置这个值，将变成post请求。
  3. 返回值：返回的是一个http.client.HTTPResponse对象，这个对象是一个类文件句柄对象。有:
     • read(size)–size是指字节数、
     • readline–读取一行、
     • readlines—读取多行、
     • getcode–获取状态码 等方法。

urlretrieve函数：

• 这个函数可以方便的将网页上的一个文件保存到本地。以下代码是将百度的首页下载到本地：

  from urllib import request
  request.urlretrieve('http://baidu.com/','baidu.html')
  

urlencode函数：

• 用浏览器发送请求的时候，如果url包含了中文或者其他特殊字符，那么浏览器会自动的给我们进行编码。而如果使用代码发送请求，那么就必须要手动进行编码，这时候就应该使用urlencode函数来实现。可以将字典数据转化为URL编码的数据。示例代码如下：

  from urllib import parse
    data = {
      'name':'爬虫基础',
      'greet':'hello world',
      'age':100
    }
  qs = parse.urlencode(data)
  print(qs)
  

parse_qs函数：

• 可以将经过编码后的url参数进行解码。示例代码如下：

  qs = "name=%E7%88%AC%E8%99%AB%E5%9F%BA%E7%A1%80&greet=hello+world&age=100"
  print(parse.parse_qs(qs))
  

urlparse和urlsplit:

• 有时候拿到一个url，想要对这个url中的各个组成部分进行分割，那么这时候就可以使用urlparse或者是urlsplit来进行分割。示例代码如下：

  #urlparse和urlsplit对字符串进行分割,两个方法的区别是urlsplit没有params，params用的比较少
  url='https://www.baidu.com/s?wd=python&username=zhiliao#1'
  
  # result = parse.urlsplit(url)
  
  result = parse.urlparse(url)
  
  print(result)
  print('scheme:' , result.scheme) #scheme 是协议
  print('netloc:' , result.netloc) #netloc是域名
  print('path:' , result.path) #path表示本网页地址
  print('query:' , result.query) #query表示查询字符串
  print('fragment' , result.fragment) # 锚点链接
  
  

requset.Request类：

• 如果想要在请求的时候增加一些请求头，那么就必须使用request.Requset类来实现。比如要增加一个User-Agent,示例代码如下：

  from urllib import request
  
  headers={
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML,like Gecko) Chrome/80.0.3970.5 Safari/537.36'
    }
  
  req = request.Request('http://www.baidu.com',headers=headers)
  resp = request.urlopen(req)
  print(resp.read())