打卡47天

爬虫urllib打开网址:

from urllib import request

url = 'https://olympics.com/zh/olympic-games/tokyo-2020/athletes'
headers ={'USER_AGENT': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}

req = request.Request(url = url, headers = headers)  #添加请求头

response = request.urlopen(req)
print(response.read().decode('utf-8'))  #read返回网页内容
print(response.status) #状态码 200正常访问,404请求失败


超时设置,错误抓取

添加timeout参数,try except断言方法抓取错误

import socket
import urllib.request
import urllib.error
try:
    response = urllib.request.urlopen('https://github.com/',timeout = 5)
except urllib.error.URLError as e :
    if isinstance(e.reason,socket.timeout):
        print('请求超时')    

拆分拼接url

urlparse和urlunparse

#拆分
from urllib.parse import urlparse
s = urlparse('https://olympics.com/zh/olympic-games/tokyo-2020/athletes')
print(type(s),s)

#构造
from urllib.parse import urlunparse
data = ['https','olympics.com','/zh/olympic-games/tokyo-2020/athletes','','','']
print(urlunparse(data))

网页链接由协议,域名,访问路径,参数,查询条件,描点组成,网页链接也要由这六部分组成。

还有urlsplit,urlunsplit,urljoin,urlencode方法 

get请求:

requests库发送get请求,post请求同理

import requests
url = 'http://httpbin.org/get'
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36",
}
response = requests.get(url=url,headers=headers)
print(response.status_code)  #状态码
print(response.text)  #内容

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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