Python3:urllib模块的使用
2021-06-16 03:05
标签:dump 访问 ons ref htm 包装 取数据 color 超时 Python3:urllib模块的使用 直接用urllib.request模块的urlopen()获取页面,page的数据格式为bytes类型,需要decode*()解码,转换成str类型。 2.使用Request urllib.request.Request(url, data=None, headers={}, method=None) 使用request()来包装请求,再通过urlopen()获取页面。 用来包装头部的数据: User-Agent :这个头部可以携带如下几条信息:浏览器名和版本号、操作系统名和版本号、默认语言 3.Post数据 urllib.parse.urlencode(query, doseq=False, safe=‘‘, encoding=None, errors=None) urlencode()主要作用就是将url附上要提交的数据。 在这里就要说点实际应用的事儿了: 我想要的字典变成了字符串,这就得找解决办法(用json去解决问题): 4.处理异常 5.使用代理 urllib.request.ProxyHandler(proxies=None) Python3:urllib模块的使用 标签:dump 访问 ons ref htm 包装 取数据 color 超时 原文地址:https://www.cnblogs.com/fawaikuangtu123/p/9728612.html
1.基本方法
urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)
url: 需要打开的网址
data:Post提交的数据
timeout:设置网站的访问超时时间
from urllib import request
response = request.urlopen(r‘http://python.org/‘)
page = response.read()
page = page.decode(‘utf-8‘)
urlopen返回对象提供方法:
read() , readline() ,readlines() , fileno() , close() :对HTTPResponse类型数据进行操作
info():返回HTTPMessage对象,表示远程服务器返回的头信息
getcode():返回Http状态码。如果是http请求,200请求成功完成;404网址未找到
geturl():返回请求的url
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‘)
Referer:可以用来防止盗链,有一些网站图片显示来源http://***.com,就是检查Referer来鉴定的
Connection:表示连接状态,记录Session的状态。urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)
urlopen()的data参数默认为None,当data参数不为空的时候,urlopen()提交方式为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‘)
data = {
‘first‘: ‘true‘,
‘pn‘: 1,
‘kd‘: ‘Python‘
}
data = parse.urlencode(data).encode(‘utf-8‘)
经过urlencode()转换后的data数据为?first=true?pn=1?kd=Python,最后提交的url为:
http://www.lagou.com/jobs/positionAjax.json?first=true?pn=1?kd=Python
Post的数据必须是bytes或者iterable of bytes,不能是str,因此需要进行encode()编码
当然,也可以把data的数据封装在urlopen()参数中:
page = request.urlopen(req, data=data).read()
从json中取出的数据类型和数据如下:
客户端:
import json
with open(‘1.json‘, ‘r‘) as f:
data = json.load(f)
data = {"company_data": json.dumps(data)}
# urlopen()的data参数默认为None,当data参数不为空的时候,urlopen()提交方式为Post
from urllib import request, parse
url = r‘http://192.168.165.4:8000/show/report/‘
company_data = parse.urlencode(data).encode(‘utf-8‘)
req = request.Request(url, data=company_data)
print(company_data)
page = request.urlopen(req).read()
page = page.decode(‘utf-8‘)
服务器端:
@csrf_exempt
def receive_data(request):
data = request.POST.get("company_data")
if data:
try:
data = json.loads(data)
print("企业数据", type(data), data)
return HttpResponse(data)
except ValueError as e:
print(str(e))
else:
return HttpResponse("no data")
1 from urllib import request, parse
2 def get_page(url):
3 headers = {
4 ‘User-Agent‘: r‘Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ‘‘
5 r‘Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3‘,
6 ‘Referer‘: r‘http://www.lagou.com/zhaopin/Python/?labelWords=label‘,
7 ‘Connection‘: ‘keep-alive‘
8 }
9 data = {
10 ‘first‘: ‘true‘,
11 ‘pn‘: 1,
12 ‘kd‘: ‘Python‘
13 }
14 data = parse.urlencode(data).encode(‘utf-8‘)
15 req = request.Request(url, headers=headers)
16 try:
17 page = request.urlopen(req, data=data).read()
18 page = page.decode(‘utf-8‘)
19 except request.HTTPError as e:
20 print(e.code())
21 print(e.read().decode(‘utf-8‘))
22 return page
当需要抓取的网站设置了访问限制,这时就需要用到代理来抓取数据。data = {
‘first‘: ‘true‘,
‘pn‘: 1,
‘kd‘: ‘Python‘
}
proxy = request.ProxyHandler({‘http‘: ‘5.22.195.215:80‘}) # 设置proxy
opener = request.build_opener(proxy) # 挂载opener
request.install_opener(opener) # 安装opener
data = parse.urlencode(data).encode(‘utf-8‘)
page = opener.open(url, data).read()
page = page.decode(‘utf-8‘)