1. 程式人生 > >9.3 域名解析與網頁爬蟲

9.3 域名解析與網頁爬蟲

geturl ocs 內容 python.h TP size url AR com

  Python 3.x 標準庫 urllib提供了 rullib.request、urllib.response、urllib.parse 和 urllib.error 4個模塊,很好地支持了網頁內容讀取功能。

  下面的代碼演示了如何讀取並顯示指定網頁的內容。

1 import urllib.request
2 
3 fp = urllib.request.urlopen(rhttp://www.baidu.com)
4 
5 print(fp.read().decode())     #讀取了返回HTML
6 
7 fp.close()

  下面的代碼演示了如何使用GET方法讀取並顯示指定URL的內容。

1 import urllib.request
2 import urllib.parse
3 
4 params = urllib.parse.urlencode({spam:1,eggs:2,bacon:0})
5 url = rhttp://www.baidu.com%s%params
6 with urllib.request.urlopen(url) as f:
7     print(f.read().decode(utf-8))

  下面的代碼演示了如何使用POST方法提交參數並讀取指定頁面內容。

1 import urllib.request
2 import
urllib.parse 3 4 data = urllib.parse.urlencode({spam:1,eggs:2,bacon:0}) 5 data = data.encode(ascii) 6 with urllib.request.urlopen(rhttp://www.baidu.com,data) as f: 7 print(f.read().decode(utf-8))

  下面的代碼演示了如何使用HTTP代理訪問指定網頁。

1 import urllib.request
2 
3 
4 proxies = {heet:http://proxy.example.com:8080/
} 5 opener = urllib.request.FancyURLopener(proxies) 6 with opener.open(http://www.python.ory) as f: 7 f.read().decode(utf-8)

  在IDLE或者Python程序中使用下面的代碼調用瀏覽器打開指定網頁:

1 import webbrowser
2 
3 webbrowser.open(www.baidu.com)

  最後,標準庫urllib.parse import urlparse 提供了域名解析的功能,支持RUL的拆分與合並以及相對地址到絕對地址的轉換。

 1 from urllib.parse import urlparse
 2 
 3 o = urlparse(http://www.cwi.nl:80/%7Eguido/Python.html)
 4 print(o.port)        #80
 5 print(o.hostname)    #www.cwi.nl
 6 
 7 print(o)   #ParseResult(scheme=‘http‘, netloc=‘www.cwi.nl:80‘, path=‘/%7Eguido/Python.html‘, params=‘‘, query=‘‘, fragment=‘‘)
 8 
 9 print(urlparse(www.cwi.nl:80/%7Eguido/Python.html))  #ParseResult(scheme=‘www.cwi.nl‘, netloc=‘‘, path=‘80/%7Eguido/Python.html‘, params=‘‘, query=‘‘, fragment=‘‘)
10 
11 
12 from urllib.parse import urljoin
13 print(urljoin(http://www.cwi.nl:80/%7Eguido/Python.html,FAQ.html))   #http://www.cwi.nl:80/%7Eguido/FAQ.html
14 print(urljoin(http://www.cwi.nl:80/%7Eguido/Python.html,//www.python.org/%7Eguido))   #http://www.python.org/%7Eguido
15 
16 from urllib.parse import urlsplit
17 url = rhttps://docs.python.org/3/library/urllib.parse.html
18 r1=urlsplit(url)
19 print(r1)        #SplitResult(scheme=‘https‘, netloc=‘docs.python.org‘, path=‘/3/library/urllib.parse.html‘, query=‘‘, fragment=‘‘)
20 print(r1.geturl()) #https://docs.python.org/3/library/urllib.parse.html

9.3 域名解析與網頁爬蟲