Python3学习笔记（urllib模块的使用）

丗汰夵湸 發表於 2016-4-29 17:34:00

Python3学习笔记（urllib模块的使用）

<h2>1.基本方法</h2>
<h3><code class="descclassname">urllib.request.</code><code class="descname">urlopen</code>(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)</h3>
-         url:  需要打开的网址
-         data：Post提交的数据
-         timeout：设置网站的访问超时时间
直接用urllib.request模块的urlopen（）获取页面，page的数据格式为bytes类型，需要decode（）解码，转换成str类型。
<div class="cnblogs_code">
<pre>1 from urllib import request
2 response = request.urlopen(r'http://python.org/') # <http.client.HTTPResponse object at 0x00000000048BC908> HTTPResponse类型
3 page = response.read()
4 page = page.decode('utf-8')</pre>
</div>
urlopen返回对象提供方法：
-         read() , readline() ,readlines() , fileno() , close() ：对HTTPResponse类型数据进行操作
-         info()：返回HTTPMessage对象，表示远程服务器返回的头信息
-         getcode()：返回Http状态码。如果是http请求，200请求成功完成;404网址未找到
-         geturl()：返回请求的url
<h2>2.使用Request</h2>
<h3><code class="descclassname">urllib.request.</code><code class="descname">Request</code>(url, data=None, headers={}, method=None)</h3>
使用request（）来包装请求，再通过urlopen（）获取页面。
<div class="cnblogs_code">
<pre> 1 url = r'http://www.lagou.com/zhaopin/Python/?labelWords=label'
 2 headers = {
 3 'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
 4 r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
 5 'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
 6 'Connection': 'keep-alive'
 7 }
 8 req = request.Request(url, headers=headers)
 9 page = request.urlopen(req).read()
10 page = page.decode('utf-8')</pre>
</div>
用来包装头部的数据：
-         User-Agent ：这个头部可以携带如下几条信息：浏览器名和版本号、操作系统名和版本号、默认语言
-         Referer：可以用来防止盗链，有一些网站图片显示来源http://***.com，就是检查Referer来鉴定的
-         Connection：表示连接状态，记录Session的状态。
<h2>3.Post数据</h2>
<h3><code class="descclassname">urllib.request.</code><code class="descname">urlopen</code>(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)</h3>
urlopen（）的data参数默认为None，当data参数不为空的时候，urlopen（）提交方式为Post。
<div class="cnblogs_code">
<pre> 1 from urllib import request, parse
 2 url = r'http://www.lagou.com/jobs/positionAjax.json?'
 3 headers = {
 4 'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
 5 r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
 6 'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
 7 'Connection': 'keep-alive'
 8 }
 9 data = {
10 'first': 'true',
11 'pn': 1,
12 'kd': 'Python'
13 }
14 data = parse.urlencode(data).encode('utf-8')
15 req = request.Request(url, headers=headers, data=data)
16 page = request.urlopen(req).read()
17 page = page.decode('utf-8')</pre>
</div>
<h3><code class="descclassname">urllib.parse.urlencode</code>(query, doseq=False, safe='', encoding=None, errors=None)</h3>
urlencode（）主要作用就是将url附上要提交的数据。 
<div class="cnblogs_code">
<pre>1 data = {
2 'first': 'true',
3 'pn': 1,
4 'kd': 'Python'
5 }
6 data = parse.urlencode(data).encode('utf-8')</pre>
</div>
经过urlencode（）转换后的data数据为?first=true?pn=1?kd=Python，最后提交的url为
http://www.lagou.com/jobs/positionAjax.json?first=true?pn=1?kd=Python
Post的数据必须是bytes或者iterable of bytes，不能是str，因此需要进行encode（）编码
<div class="cnblogs_code">
<pre>1 page = request.urlopen(req, data=data).read()</pre>
</div>
当然，也可以把data的数据封装在urlopen（）参数中
<h2>4.异常处理</h2>
<div class="cnblogs_code">
<pre> 1 def get_page(url):
 2 headers = {
 3 'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
 4 r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
 5 'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
 6 'Connection': 'keep-alive'
 7 }
 8 data = {
 9 'first': 'true',
10 'pn': 1,
11 'kd': 'Python'
12 }
13 data = parse.urlencode(data).encode('utf-8')
14 req = request.Request(url, headers=headers)
15 try:
16 page = request.urlopen(req, data=data).read()
17 page = page.decode('utf-8')
18 except error.HTTPError as e:
19 print(e.code())
20 print(e.read().decode('utf-8'))
21 return page</pre>
</div>
<h2>5、使用代理 </h2>
<h3><code class="descclassname">urllib.request.</code><code class="descname">ProxyHandler</code>(proxies=None)</h3>
当需要抓取的网站设置了访问限制，这时就需要用到代理来抓取数据。
<div class="cnblogs_code">
<pre> 1 data = {
 2 'first': 'true',
 3 'pn': 1,
 4 'kd': 'Python'
 5 }
 6 proxy = request.ProxyHandler({'http': '5.22.195.215:80'})# 设置proxy
 7 opener = request.build_opener(proxy)# 挂载opener
 8 request.install_opener(opener)# 安装opener
 9 data = parse.urlencode(data).encode('utf-8')
10 page = opener.open(url, data).read()
11 page = page.decode('utf-8')
12 return page</pre>
</div>
  
来源：https://www.cnblogs.com/Lands-ljk/p/5447127.html

頁: [1]

琼殿技术论坛's Archiver

Python3学习笔记（urllib模块的使用）