• python爬虫笔记(二):urllib基础了解


    1.什么是Urllib    Python内置的HTTP请求库
        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
    2.urlopen:访问网页
        #直接打开网页
        response = urllib.request.urlopen('http://www.baidu.com')
        #post请求网页
        data = bytes(urllib.parse.urlencode({'word': 'hello'}), encoding='utf8')
        response = urllib.request.urlopen('http://httpbin.org/post', data=data)
        #设定请求时间
        response = urllib.request.urlopen('http://httpbin.org/get', timeout=1)
        #超出响应时间报错
        try:
            response = urllib.request.urlopen('http://httpbin.org/get', timeout=0.1)
        except urllib.error.URLError as e:
            if isinstance(e.reason, socket.timeout):
                print('TIME OUT')
    3.响应
        response = urllib.request.urlopen('https://www.python.org')
        #响应类型
        print(type(response))
        #状态码
        print(response.status)
        #响应头
        print(response.getheaders())
        #服务器
        print(response.getheader('Server'))
        #响应内容
        print(response.read().decode('utf-8'))
    4.Request:通过构造一个request访问
        #构造一个带有url的request通过urlopen访问
        request = urllib.request.Request('https://python.org')
        response = urllib.request.urlopen(request)
        print(response.read().decode('utf-8'))
        #这是一个内容全面的request
        url = 'http://httpbin.org/post'
        headers = {
            'User-Agent': 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)',
            'Host': 'httpbin.org'
        }
        dict = {
            'name': 'Germey'
        }
        data = bytes(parse.urlencode(dict), encoding='utf8')
        req = request.Request(url=url, data=data, headers=headers, method='POST')
        response = request.urlopen(req)
        print(response.read().decode('utf-8'))
        #补充request的响应头,add_header可多次调用
        url = 'http://httpbin.org/post'
        dict = {
            'name': 'Germey'
        }
        data = bytes(parse.urlencode(dict), encoding='utf8')
        req = request.Request(url=url, data=data, method='POST')
        req.add_header('User-Agent', 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)')
        response = request.urlopen(req)
        print(response.read().decode('utf-8'))
    5.Handler
        #代理访问
        proxy_handler = urllib.request.ProxyHandler({
            'http': 'http://',
            'https': 'https://'
        })
        opener = urllib.request.build_opener(proxy_handler)
        response = opener.open('http://httpbin.org/get')
        print(response.read())
        #cookie:维持登录状态
        #获取cookie
        cookie = http.cookiejar.CookieJar()
        handler = urllib.request.HTTPCookieProcessor(cookie)
        opener = urllib.request.build_opener(handler)
        response = opener.open('http://www.baidu.com')
        for item in cookie:
            print(item.name+"="+item.value)
        #保存cookie到文件里
        filename = "cookie.txt"
        cookie = http.cookiejar.MozillaCookieJar(filename)
        handler = urllib.request.HTTPCookieProcessor(cookie)
        opener = urllib.request.build_opener(handler)
        response = opener.open('http://www.baidu.com')
        cookie.save(ignore_discard=True, ignore_expires=True)
        #另一种保存方式
        filename = 'cookie.txt'
        cookie = http.cookiejar.LWPCookieJar(filename)
        handler = urllib.request.HTTPCookieProcessor(cookie)
        opener = urllib.request.build_opener(handler)
        response = opener.open('http://www.baidu.com')
        cookie.save(ignore_discard=True, ignore_expires=True)
        #读取cookie
        cookie = http.cookiejar.LWPCookieJar()
        cookie.load('cookie.txt', ignore_discard=True, ignore_expires=True)
        handler = urllib.request.HTTPCookieProcessor(cookie)
        opener = urllib.request.build_opener(handler)
        response = opener.open('http://www.baidu.com')
        print(response.read().decode('utf-8'))
    6.异常处理
        #抛出异常
        try:
            response = request.urlopen('http://cuiqingcai.com/index.htm')
        except error.HTTPError as e:
            print(e.reason, e.code, e.headers, sep=' ')
        except error.URLError as e:
            print(e.reason)
        else:
            print('Request Successfully')
        #判断异常
        try:
            response = urllib.request.urlopen('https://www.baidu.com', timeout=0.01)
        except urllib.error.URLError as e:
            print(type(e.reason))
            if isinstance(e.reason, socket.timeout):
                print('TIME OUT')
    7.url解析
        #urlparse
        urllib.parse.urlparse(urlstring, scheme='', allow_fragments=True)
        #urlunparse构造一个url
        data = ['http', 'www.baidu.com', 'index.html', 'user', 'a=6', 'comment']
        print(urlunparse(data))
        #urljoin拼接新的url,以后一个为基准,用前一个url补足后一个url
        print(urljoin('http://www.baidu.com', 'FAQ.html'))
        print(urljoin('http://www.baidu.com', 'https://cuiqingcai.com/FAQ.html'))
        print(urljoin('http://www.baidu.com/about.html', 'https://cuiqingcai.com/FAQ.html'))
        print(urljoin('http://www.baidu.com/about.html', 'https://cuiqingcai.com/FAQ.html?question=2'))
        print(urljoin('http://www.baidu.com?wd=abc', 'https://cuiqingcai.com/index.php'))
        print(urljoin('http://www.baidu.com', '?category=2#comment'))
        print(urljoin('www.baidu.com', '?category=2#comment'))
        print(urljoin('www.baidu.com#comment', '?category=2'))
        #urlcode组合url
        params = {
            'name': 'germey',
            'age': 22
        }
        base_url = 'http://www.baidu.com?'
        url = base_url + urlencode(params)
        print(url)

  • 相关阅读:
    接口和抽象类的异同点
    实体对象间传值克隆
    什么是反射&反射的8个类的用法
    ERP中反射的两个实例
    基础02 Java 跨平台原理
    基础01 dos命令
    lists删除
    多字段 java对象排序
    Java对象排序
    MySQL表中数据的迁移
  • 原文地址:https://www.cnblogs.com/limu/p/9713296.html
Copyright © 2020-2023  润新知