Python，小白自学爬虫

Posted 2020-12-24 冈本零点零壹

学习内容源自：博客园 金角大王

 

2018.7.22

Urllib库的基本使用                                                                                                                         　　　　　　　　　　

什么是Urllib？

 

Urllib是python内置的HTTP请求库
包括以下基础模块：
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

 

 urllib.request的使用　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 

• urlopen

urllib.request.urlopen

完整参数：urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)

一般常用：urllib.requeset.urlopen(url,data,timeout)

• url参数

简单栗子

 

1 import urllib.request
2 
3 response = urllib.request.urlopen(‘https://bj.ke.com/‘)
4 print(response.read().decode(‘utf-8‘))

 

结果：抓取贝壳网首页的Javascript中的内容

response.read()可以获取到网页的内容，decode(‘utf-8‘)可以是抓取到的内容以utf-8的格式输出

• data参数

 

网站：http://httpbin.org　

该网站可以用来模拟各中请求

栗子：

 

1 import urllib.parse
2 import urllib.request
3 
4 data = bytes(urllib.parse.urlencode({‘word‘: ‘hello‘}), encoding=‘utf8‘)
5 print(data)
6 response = urllib.request.urlopen(‘http://httpbin.org/post‘, data=data)
7 print(response.read())

 

备注：

1、urllib.parse　　url解析模块

2、通过bytes(urllib.parse.urlencode())可以将post数据进行转换放到urllib.request.urlopen的data参数中，这样就完成了一次post请求

3、添加data参数的时候就是以post请求方式请求，如果没有data参数就是get请求方式

4、GET和POST的区别就是：请求的数据GET是在url中，POST则是存放在头部

GET:向指定的资源发出“显示”请求。使用GET方法应该只用在读取数据，而不应当被用于产生“副作用”的操作中，例如在Web Application中。其中一个原因是GET可能会被网络蜘蛛等随意访问

POST:向指定资源提交数据，请求服务器进行处理（例如提交表单或者上传文件）。数据被包含在请求本文中。这个请求可能会创建新的资源或修改现有资源，或二者皆有。

• timeout参数

{"args":{},"data":"","files":{},"form":{"word":"shang"},"headers":{"Accept-Encoding":"identity","Connection":"close","Content-Length":"10","Content-Type":"application/x-www-form-urlencoded","Host":"httpbin.org","User-Agent":"Python-urllib/3.7"},"json":null,"origin":"183.240.196.58","url":"http://httpbin.org/post"}

b‘{"args":{},"headers":{"Accept-Encoding":"identity","Connection":"close","Host":"httpbin.org","User-Agent":"Python-urllib/3.7"},"origin":"183.240.196.58","url":"http://httpbin.org/get"} ‘