码迷,mamicode.com
首页 > Web开发 > 详细

urllib的各种方法

时间:2018-11-27 14:44:18      阅读:213      评论:0      收藏:0      [点我收藏+]

标签:写入   例子   获取   rom   结果   odi   拼接   两种   window   

第一种请求头的方式

import urllib.request

from urllib import request, parse
url = http://httpbin.org/post
headers = {
    User-Agent: Mozilla/4.0 (compatible; MSIE 5.5; Windows NT),
    Host: httpbin.org
}
dict = {
    name: zhaofan
}
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))

 

第二种请求头的方式

from urllib import request, parse

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))   #decode可以将结果格式化显示



设置代理
通过rulllib.request.ProxyHandler()可以设置代理,
网站它会检测某一段时间某个IP 的访问次数,
如果访问次数过多,它会禁止你的访问,
所以这个时候需要通过设置代理来爬取数据

import urllib.request

proxy_handler = urllib.request.ProxyHandler({
    http: http://127.0.0.1:9743,   # 访问哪个网站格式http,https选用其中对应的一哥
    https: https://127.0.0.1:9743
})
opener = urllib.request.build_opener(proxy_handler)
response = opener.open(http://httpbin.org/get)
print(response.read())

 

cookie,HTTPCookiProcessor

cookie中保存中我们常见的登录信息,
有时候爬取网站需要携带cookie信息访问,
这里用到了http.cookijar,用于获取cookie以及存储cookie

import http.cookiejar, urllib.request
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)

 

同时cookie可以写入到文件中保存,有两种方式http.cookiejar.MozillaCookieJar和http.cookiejar.LWPCookieJar(),当然你自己用哪种方式都可以

http.cookiejar.MozillaCookieJar()方式

import http.cookiejar, urllib.request
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)

 

http.cookiejar.LWPCookieJar()方式

import http.cookiejar, urllib.request
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)

 

同样的如果想要通过获取文件中的cookie获取的话可以通过load方式,
当然用哪种方式写入的,就用哪种方式读取。

import http.cookiejar, urllib.request
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))

 

异常处理在很多时候我们通过程序访问页面的时候,有的页面可能会出现错误,类似404,500等错误这个时候就需要我们捕捉异常,下面先写一个简单的例子

from urllib import request,error

try:
    response = request.urlopen("http://pythonsite.com/1111.html")
except error.URLError as e:
    print(e.reason)

 

 

上述代码访问的是一个不存在的页面,通过捕捉异常,我们可以打印异常错误

这里我们需要知道的是在urllb异常这里有两个个异常错误:
URLError,HTTPError,HTTPError是URLError的子类

URLError里只有一个属性:reason,即抓异常的时候只能打印错误信息,类似上面的例子

HTTPError里有三个属性:code,reason,headers,即抓异常的时候可以获得code,reson,headers三个信息,例子如下:

from urllib import request,error
try:
    response = request.urlopen("http://pythonsite.com/1111.html")
except error.HTTPError as e:
    print(e.reason, "error.HTTPError")
    print(e.code, "error.HTTPError")
    print(e.headers, "error.HTTPError")
except error.URLError as e:
    print(e.reason,"error.URLError")

else:
    print("reqeust successfully")

 

同时,e.reason其实也可以在做深入的判断,例子如下:

import socket

from urllib import error,request

try:
    response = request.urlopen("http://www.pythonsite.com/",timeout=0.001)  # 时间太短了
except error.URLError as e:
    print(type(e.reason))
    if isinstance(e.reason,socket.timeout):
        print("time out")

 

URL解析

urlparseThe URL parsing functions focus on splitting a URL string into its components, or on combining URL components into a URL string.urllib.parse.urlparse(urlstring, scheme=‘‘, allow_fragments=True)

功能一:

from urllib.parse import urlparse

result = urlparse("http://www.baidu.com/index.html;user?id=5#comment")
print(result)

这里就是可以对你传入的url地址进行拆分同时我们是可以指定协议类型:result = urlparse("www.baidu.com/index.html;user?id=5#comment",scheme="https")这样拆分的时候协议类型部分就会是你指定的部分,当然如果你的url里面已经带了协议,你再通过scheme指定的协议就不会生效

 

urlunparse

其实功能和urlparse的功能相反,它是用于拼接,例子如下

from urllib.parse import urlunparse

data = [http,www.baidu.com,index.html,user,a=123,commit]
print(urlunparse(data))  #输出http://www.baidu.com/index.html;user?a=123#commit


urljoin

这个的功能其实是做拼接的,例子如下:

from urllib.parse import urljoin

# print(urljoin(‘http://www.baidu.com‘, ‘FAQ.html‘))
print(urljoin(http://www.baidu.com, https://pythonsite.com/FAQ.html))
print(urljoin(http://www.baidu.com/about.html, https://pythonsite.com/FAQ.html))
print(urljoin(http://www.baidu.com/about.html, https://pythonsite.com/FAQ.html?question=2))
print(urljoin(http://www.baidu.com?wd=abc, https://pythonsite.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))

 

从拼接的结果我们可以看出,拼接的时候后面的优先级高于前面的url

urlencode
这个方法可以将字典转换为url参数,例子如下

from urllib.parse import urlencode

params = {
    "name":"zhaofan",
    "age":23,
}
base_url = "http://www.baidu.com?"

url = base_url+urlencode(params)
print(url)   # 输出结果为http://www.baidu.com?name=zhaofan&age=23

 

urllib的各种方法

标签:写入   例子   获取   rom   结果   odi   拼接   两种   window   

原文地址:https://www.cnblogs.com/cjj-zyj/p/10025957.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!