python爬虫之Urllib

 

什么是Urllib

Python内置的HTTP请求库

urllib.request      请求模块

urllib.error          异常处理模块

urllib.parse         url解析模块

urllib.robotparser       robots.txt  解析模块

相⽐Python2变化

Python2 

import urllib2

response = urllib2.urlopen('http://www.baidu.com')

Python3

import urllib.request

response = urllib.request.urlopen('http://www.baidu.com')

#get请求获取网页
import urllib.request

response = urllib.request.urlopen('http://www.baidu.com')
html = response.read().decode('utf-8')
print(html)

 

#post请求获取网页

import urllib.parse
import urllib.request

data = bytes(urllib.parse.urlencode({'world':'hello'}),encoding='utf-8')
response = urllib.request.urlopen('http://httpbin.org/post',data)
print(response.read())

超时设置

import socket
import urllib.request

response = urllib.request.urlopen('http://httpbin.org/get',timeout=1)   #timeout=1表示超时1秒刷新

print(response.read())

 

在0.1秒内得到响应,不然抛出异常打印输出“time out”

import socket
import urllib.request
import urllib.error

try:
    response = urllib.request.urlopen('http://httpbin.org/get',timeout=0.1)  #在0.1秒内得到响应,不然打印输出“time out”
except urllib.error.URLError as e:
    if isinstance(e.reason,socket.timeout):
        print('TIME OUT')

响应

相应类型

import urllib.request

response = urllib.request.urlopen('https://www.python.org')
print(type(response))

 

状态码、响应头

import urllib.request

response = urllib.request.urlopen('https://www.python.org')
print(response.status)   #状态码
print(response.getheaders())  #响应头
print(response.getheader('Server'))  #服务器类型

状态码200表示成功

获取响应内容
import urllib.request

response = urllib.request.urlopen("https://www.python.org")
print(response.read().decode('utf-8')) #read()表示获取响应内容,也叫响应体内容,decode('utf-8')表示响应内容用utf-8编码

Request

request = urllib.request.Request("https://www.python.org")
response = urllib.request.urlopen(request)
print(response.read().decode('utf-8')) #read()表示获取响应内容,也叫响应体内容,decode('utf-8')表示响应内容用utf-8编码

 

from urllib import request,parse

url = "http://httpbin.org/post"

headers = {' User-Agent':"Mozilla/4.0(compatible; MSIE 5.5; Windows NT),"
                          "Host:'httpbin.org'"}

dict = {
    'name':'Germey'
}

data = bytes(parse.urlencode(dict),encoding='utf8')
req = request.Request(url=url,data=data,headers=headers,method='POST')
response = request.urlopen(req)
print(response.read().decode('utf-8'))    #可能运行出错,是http://httpbin.org/post的问题,试着浏览器访问

 

 

添加一个add_header方法

 

from urllib import request,parse

url = "http://httpbin.org/post"

dict = {
    'name':'Germey'
}
data = bytes(parse.urlencode(dict),encoding='utf8')
req = request.Request(url=url,data=data,method='POST')
req.add_header('User-Agent',"Mozilla/4.0(compatible; MSIE 5.5; Windows NT)")
response = request.urlopen(req)
print(response.read().decode('utf-8'))

 

 

伪装ip

Python爬虫教程urllib主要是介绍了Python爬虫技术中的urllib库的基础用法。该教程详细讲解了urllib库的各种功能和方法,包括发送请求、处理响应、设置请求头、处理异常等。这个教程对于想要学习和使用Python进行网络爬虫的人来说具有很大的参考价值。 同时,该教程也提到了一些常见的问题和解决方法,例如模拟超时的处理方法。在网络爬虫中,有时候我们长时间无法访问一个页面,可能是因为网速有限或者被发现我们是一个爬虫。针对这种情况,可以使用timeout参数来设置超时时间,如果超过了设定的时间仍无法获取响应,则会抛出URLError异常,我们可以在异常处理中对超时进行相应的处理。 总的来说,Python爬虫教程urllib是一个很好的学习资源,适合想要入门或深入学习Python爬虫技术的人使用。它提供了详细的教程和实例,可以让你快速上手和掌握使用urllib库进行网络爬虫的基本知识和技巧。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Python爬虫urllib基础用法教程](https://download.csdn.net/download/weixin_38656741/12858843)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [Python爬虫 —— urllib库的使用(get/post请求+模拟超时/浏览器)](https://blog.csdn.net/qq_50587771/article/details/123840479)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [python爬虫urllib3的使用示例](https://download.csdn.net/download/weixin_38681147/12867742)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
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