Python3學習筆記 urllib模組的使用
1.基本方法
- url: 需要開啟的網址
- data:Post提交的資料
- timeout:設定網站的訪問超時時間
直接用urllib.request模組的urlopen()獲取頁面,page的資料格式為bytes型別,需要decode()解碼,轉換成str型別。
from urllib import request
response = request.urlopen(r'http://python.org/') # <http.client.HTTPResponse object at 0x00000000048BC908> HTTPResponse型別
page = response.read()
page = page.decode('utf-8' )
urlopen返回物件提供方法:
- read() , readline() ,readlines() , fileno() , close() :對HTTPResponse型別資料進行操作
- info():返回HTTPMessage物件,表示遠端伺服器返回的頭資訊
- getcode():返回Http狀態碼。如果是http請求,200請求成功完成;404網址未找到
- geturl():返回請求的url
2.使用Request
urllib.request.Request(url, data=None, headers={}, method=None)
使用request()來包裝請求,再通過urlopen()獲取頁面。
url = r'http://www.lagou.com/zhaopin/Python/?labelWords=label'
headers = {
'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label' ,
'Connection': 'keep-alive'
}
req = request.Request(url, headers=headers)
page = request.urlopen(req).read()
page = page.decode('utf-8')
用來包裝頭部的資料:
- User-Agent :這個頭部可以攜帶如下幾條資訊:瀏覽器名和版本號、作業系統名和版本號、預設語言
- Referer:可以用來防止盜鏈,有一些網站圖片顯示來源http://*.com,就是檢查Referer來鑑定的
- Connection:表示連線狀態,記錄Session的狀態。
3.Post資料
urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)
urlopen()的data引數預設為None,當data引數不為空的時候,urlopen()提交方式為Post。
from urllib import request, parse
url = r'http://www.lagou.com/jobs/positionAjax.json?'
headers = {
'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
'Connection': 'keep-alive'
}
data = {
'first': 'true',
'pn': 1,
'kd': 'Python'
}
data = parse.urlencode(data).encode('utf-8')
req = request.Request(url, headers=headers, data=data)
page = request.urlopen(req).read()
page = page.decode('utf-8')
urllib.parse.urlencode(query, doseq=False, safe=”, encoding=None, errors=None)
urlencode()主要作用就是將url附上要提交的資料。
data = {
'first': 'true',
'pn': 1,
'kd': 'Python'
}
data = parse.urlencode(data).encode('utf-8')
經過urlencode()轉換後的data資料為?first=true?pn=1?kd=Python,最後提交的url為
http://www.lagou.com/jobs/positionAjax.json?first=true?pn=1?kd=Python
Post的資料必須是bytes或者iterable of bytes,不能是str,因此需要進行encode()編碼
page = request.urlopen(req, data=data).read()
當然,也可以把data的資料封裝在urlopen()引數中
4.異常處理
def get_page(url):
headers = {
'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
'Connection': 'keep-alive'
}
data = {
'first': 'true',
'pn': 1,
'kd': 'Python'
}
data = parse.urlencode(data).encode('utf-8')
req = request.Request(url, headers=headers)
try:
page = request.urlopen(req, data=data).read()
page = page.decode('utf-8')
except error.HTTPError as e:
print(e.code())
print(e.read().decode('utf-8'))
return page
5、使用代理
data = {
'first': 'true',
'pn': 1,
'kd': 'Python'
}
proxy = request.ProxyHandler({'http': '5.22.195.215:80'}) # 設定proxy
opener = request.build_opener(proxy) # 掛載opener
request.install_opener(opener) # 安裝opener
data = parse.urlencode(data).encode('utf-8')
page = opener.open(url, data).read()
page = page.decode('utf-8')
return page