【urllib的使用（上）】

最新推荐文章于 2023-06-05 09:40:43 发布

T³3

最新推荐文章于 2023-06-05 09:40:43 发布

阅读量3k

点赞数 1

分类专栏：爬虫文章标签： python 前端爬虫

本文链接：https://blog.csdn.net/qq_64451048/article/details/127775623

版权

爬虫专栏收录该内容

5 篇文章 0 订阅

订阅专栏

文章目录

一、urllib的基本用法
二、urllib类型和方法
- 类型
- 方法
三、urllib下载
四、请求对象的定制
五、编解码

一、urllib的基本用法

获取百度首页的源码

1.定义一个url （要访问的地址）

url = 'http://www.baidu.com'

2.模拟浏览器向服务器发送请求（response响应）

response = urllib.request.urlopen(url)

3.获取响应中的页面源码

content = response.read()

4.打印数据

print(content)

输出：

read方法返回的是字节形式的二进制数据，所以输出的是一堆看不懂的东西

我们这时候就要将二进制数据转换成字符串
二进制 ——>字符串（这个过程叫做解码）
解码：decode(‘编码的格式’)

content = response.read().decode('utf-8')

这时候输出为：

总代码块：

import urllib.request

url = 'http://www.baidu.com'

response = urllib.request.urlopen(url)

content = response.read().decode('utf-8')

print(content)

二、urllib类型和方法

类型

输出response的类型

print(type(response))

输出结果：<class ‘http.client.HTTPResponse’>
response是HTTPResponse的类型

方法

1. 按照一个字节一个的去读

content = response.read()
print(content)

返回多少个字节，括号里就填多少

content = response.read(5)
print(content)

2. 读取一行

content = response.readline()
print(content)

3. 一行一行的读，直到读完为止

content = response.readlines()
print(content)

4. 返回状态码，可以查看写的有没有问题

print(response.getcode())

这里返回的是：200，那就证明我们的逻辑没有错

5. 返回url（http://www.baidu.com）

print(response.geturl())

6. 获取状态信息

print(response.getheaders())

总结：

一个类型：HTTPResponse
方法一：read
方法二：readline
方法三：readlines
方法四：getcode
方法五：geturl
方法六：getheaders

三、urllib下载

下载网页

url代表的下载路径 filename是文件的名字
在python中，可以写变量的名字，也可以直接写值

import urllib.request

url_page = 'http://www.baidu.com'

urllib.request.urlretrieve(url_page, 'baidu.html')

下载图片

先在网站上找到要下载的图片，并复制图片地址/链接
将地址写入代码中

url_img = 'https://ts1.cn.mm.bing.net/th/id/R-C.5859dafce1fb55e11b2b283d2fa9dc6b?rik=cUDFlghg9sfiBQ&riu=http%3a%2f%2f5b0988e595225.cdn.sohucs.com%2fimages%2f20200322%2f82948cdc4da74564a6968b471783444c.jpeg&ehk=d7X5lIX%2f%2fqEtF5OjxRKT9Hxm9cTlkLLocNXptXKPBg0%3d&risl=&pid=ImgRaw&r=0'

urllib.request.urlretrieve(url=url_img, filename='lisa.jpg')

运行后会生成图片文件：

下载视频

先找到要下载视频的url
打开视频界面的开发者工具在这里插入图片描述找到视频的src后面跟的就是视频地址
将地址写入代码中，并生成.mp4文件

url_video = 'blob:https://www.iqiyi.com/58d4730b-288a-44f0-bed5-38c494a1f6e5'
urllib.request.urlretrieve(url_video, '123.mp4')

四、请求对象的定制

用https的协议访问

import urllib.request
url = 'https://www.baidu.com'

response = urllib.request.urlopen(url)

content = response.read().decode('utf-8')

print(content)
# 访问失败！！！

UA介绍：User Agent中文名为用户代理，简称UA，它是一个特殊字符串头，使得服务器能够识别客户使用的操作系统及版本、CPU类型、浏览器及版本、浏览器内核、浏览器渲染引擎、浏览器语言、浏览器插件等

打开一个百度首页，找到UA所在位置
在这里插入图片描述检查界面：

在这里插入图片描述
定义一个字典，将UA放入字典中

headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'
}

因为urlopen中不能存储字典类型的数据
在这里插入图片描述所以headers不能传递进去
这时候就需要请求对象的定制

request = urllib.request.Request(url=url, headers=headers)

注意：因为参数问题不能直接写url和headers，中间还有data，所以我们需要关键字传参

五、编解码

1.get请求方式

urllib.parse

https://www.baidu.com/s?wd=%E5%91%A8%E6%9D%B0%E4%BC%A6
获取百度搜索周杰伦的页面

url = url = 'https://www.baidu.com/s?wd=%E5%91%A8%E6%9D%B0%E4%BC%A6'

定制请求对象

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'
}

将周杰伦三个字变成unicode编码的格式(urllib.parse)

name = urllib.parse.quote('周杰伦')

请求对象的定制

request = urllib.request.Request(url=url, headers=headers)

模拟浏览器向服务器发送请求

response = urllib.request.urlopen(request)

获取响应内容


content = response.read().decode('utf-8'

总代码：

import urllib.request

url = 'https://www.baidu.com/s?wd='

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'
}

name = urllib.parse.quote('周杰伦')
url = url + name

request = urllib.request.Request(url=url, headers=headers)

response = urllib.request.urlopen(request)

content = response.read().decode('utf-8')

print(content)

urlencode

urlencode:适用于多个参数的时候

获取页面源码
https://www.baidu.com/s?wd=周杰伦&sex=男&location=中国台湾省

import urllib.parse
data = {
    'wd': '周杰伦',
    'sex': '男'
}
a = urllib.parse.urlencode(data)
print(a)
# wd=%E5%91%A8%E6%9D%B0%E4%BC%A6&sex=%E7%94%B7

多个参数需要变成encode的时候

import urllib.request
import urllib.parse

base_url = 'https://www.baidu.com/s?'

data = {
    'wd': '周杰伦',
    'sex': '男',
    'location': '中国台湾省'
}
new_data = urllib.parse.urlencode(data)

url = base_url + new_data
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'
}

request = urllib.request.Request(url=url, headers=headers)

response = urllib.request.urlopen(request)

content = response.read().decode('utf-8')
print(content)

2.post请求方式

百度翻译

先打开百度翻译的界面，输入一个词，打开开发者工具，找到post请求的sug文件
在这里插入图片描述 kw=spider
复制URL地址
开始编写代码：

请求路径的URL

url = 'https://fanyi.baidu.com/sug'

请求头

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'
}

请求参数

data = {
    'kw': 'spider'
}

post的请求参数必须要进行编码（encode(‘utf-8’)）

data = urllib.parse.urlencode(data).encode('utf-8')

post的请求参数，是不会拼接在url的后面的，而是需要放在请求对象定制的参数中

request = urllib.request.Request(url=url, data=data, headers=headers)

获取相应数据

content = response.read().decode('utf-8')

总代码块

import urllib.request
import urllib.parse

url = 'https://fanyi.baidu.com/sug'

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'
}

data = {
    'kw': 'spider'
}


data = urllib.parse.urlencode(data).encode('utf-8')

request = urllib.request.Request(url=url, data=data, headers=headers)

response = urllib.request.urlopen(request)

content = response.read().decode('utf-8')

print(content)

这里的content的类型是str
字符串——>json对象

import json
obj = json.loads(content)
print(obj)

百度翻译之详细翻译

1.先复制URL

https://fanyi.baidu.com/v2transapi?from=en&to=zh

2.请求头
在所有请求头中，找到起作用的一个——cookie
在这里插入图片描述 3.在表单数据中找到请求参数

4.代码实现：

import urllib.request
import urllib.parse
url = 'https://fanyi.baidu.com/v2transapi?from=en&to=zh'

headers = {
    'Cookie': 'BAIDUID=12196FD75453346657491E87390AC35B:FG=1; BIDUPSID=12196FD7545334661F0AE8D4B062BE2E; PSTM=1666008285; BDUSS=FhRbk81OEFrZ1RFRFJrWUxCQ1dmRTZUQXp0VXA4ZGZtT0QyOUZ0T0hDRGYtSVpqRVFBQUFBJCQAAAAAAAAAAAEAAACS5FTMAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAN9rX2Pfa19je; BDORZ=B490B5EBF6F3CD402E515D22BCDA1598; ZFY=M8B:A6gXyHZyKVBf:AqksGBg5jNPPKTmxNoclm:BgHpXzI:C; APPGUIDE_10_0_2=1; Hm_lvt_64ecd82404c51e03dc91cb9e8c025574=1668256951; REALTIME_TRANS_SWITCH=1; FANYI_WORD_SWITCH=1; HISTORY_SWITCH=1; SOUND_SPD_SWITCH=1; SOUND_PREFER_SWITCH=1; BDSFRCVID=umLOJeC62ZlGj87jjNM7q-J69LozULrTH6_n1tn9KcRk7KlESLLqEG0PWf8g0KubzcDrogKKXeOTHiFF_2uxOjjg8UtVJeC6EG0Ptf8g0f5; H_BDCLCKID_SF=tJIe_C-atC-3fP36q4rVhP4Sqxby26ntamJ9aJ5nJDoADh3Fe5J8MxCIjpLLBjK8BIOE-lR-QpP-_nul5-IByPtwMNJi2UQgBgJDKl0MLU3tbb0xynoD24tvKxnMBMnv5mOnanTI3fAKftnOM46JehL3346-35543bRTLnLy5KJtMDcnK4-XjjOBDNrP; H_PS_PSSID=36554_37555_37518_37687_37492_34813_37721_36807_37662_37533_37720_37740_26350_22157; delPer=0; PSINO=1; Hm_lpvt_64ecd82404c51e03dc91cb9e8c025574=1668353828; ab_sr=1.0.1_MzJiYzJlNTg2MzQzZjE5NWQ4MDNkYTc1NjRhZWMyY2RhNjk2NGU4MWViYWU3NDUwNmFiNDU3MDQ1N2MzYWRmNTgwYjhhYjhmM2M2OTU3MDNkYTIyZjg0MmU1MTY1YjdiNGEyOTBjZTBjMjJmNjA1MzU2ZjViZmY0MzBiZTAwOWE3MGE2YjUyODExMWM2M2ZjNDhiNWFhZWQ0MDQ1NTVlMWZiNDMyMGVlMWQ3YjQ5ZWY4Y2M3M2Y1ZWJiMjcwZGNj'
}

data = {
    'from': 'en',
    'to': 'zh',
    'query': 'love',
    'simple_means_flag': '3',
    'sign': '198772.518981',
    '填写自己的token',
    'domain': 'common'
}

# post请求的参数必须进行编码 并且要调用
data = urllib.parse.urlencode(data).encode('utf-8')

# 请求对象的定制
request = urllib.request.Request(url=url, data=data, headers=headers)

# 模拟浏览器向服务器发送请求
response = urllib.request.urlopen(request)

# 获取响应数据
content = response.read().decode('utf-8')

import json
obj = json.loads(content)
print(obj)