urllib模块的使用(Python3.x)
2018-03-20 13:31
330 查看
1.基本方法 urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None) - 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。 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') 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 2.使用Request urllib.request.Request(url, data=None, headers={}, method=None) 使用request()来包装请求,再通过urlopen()获取页面。 复制代码 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') 复制代码 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。 3.Post数据 urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None) 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。 复制代码 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') 复制代码 urllib.parse.urlencode(query, doseq=False, safe='', encoding=None, errors=None) urlencode()主要作用就是将url附上要提交的数据。 复制代码 1 data = { 2 'first': 'true', 3 'pn': 1, 4 'kd': 'Python' 5 } 6 data = parse.urlencode(data).encode('utf-8') 复制代码 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 1 page = request.urlopen(req, data=data).read() 当然,也可以把data的数据封装在urlopen()参数中 4.异常处理 复制代码 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 'Conn 9eac ection': '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 复制代码 5、使用代理 urllib.request.ProxyHandler(proxies=None) 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。 复制代码 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
相关文章推荐
- Python使用urllib模块的urlopen超时问题解决方法
- python使用urllib2模块获取gravatar头像实例
- python urllib模块的urlopen()的使用方法及实例
- Python中的urllib模块使用详解
- Python中使用urllib2模块编写爬虫的简单上手示例
- Python中urllib2模块的8个使用细节分享
- python使用urllib模块和pyquery实现阿里巴巴排名查询
- 使用Python的urllib2模块处理url和图片的技巧两则
- Python中urllib模块的使用
- python3使用urllib模块制作网络爬虫
- Python3 urllib模块的使用(转载)
- Python 使用urllib2模块实现断点续传下载
- Python使用urllib2模块抓取HTML页面资源的实例分享
- 使用Python的urllib2模块处理url和图片的技巧两则
- Python模块之urllib和urllib2结合使用
- Python使用urllib2模块抓取HTML页面资源的实例分享
- python使用urllib模块和pyquery实现阿里巴巴排名查询
- Python中使用urllib2模块编写爬虫的简单上手示例
- Python中的urllib模块使用详解