文章目录
一、urllib的基本用法
获取百度首页的源码
1.定义一个url (要访问的地址)
url ='http://www.baidu.com'
2.模拟浏览器向服务器发送请求(response响应)
response = urllib.request.urlopen(url)
3.获取响应中的页面源码
content = response.read()
4.打印数据
print(content)
输出:
read方法 返回的是字节形式的二进制数据,所以输出的是一堆看不懂的东西
我们这时候就要将二进制数据转换成字符串
二进制 ——>字符串 (这个过程叫做解码)
解码:decode(‘编码的格式’)
content = response.read().decode('utf-8')
这时候输出为:
总代码块:
import urllib.request
url ='http://www.baidu.com'
response = urllib.request.urlopen(url)
content = response.read().decode('utf-8')print(content)
二、urllib类型和方法
类型
输出response的类型
print(type(response))
输出结果:<class ‘http.client.HTTPResponse’>
response是HTTPResponse的类型
方法
1. 按照一个字节一个的去读
content = response.read()print(content)
返回多少个字节,括号里就填多少
content = response.read(5)print(content)
2. 读取一行
content = response.readline()print(content)
3. 一行一行的读,直到读完为止
content = response.readlines()print(content)
4. 返回状态码,可以查看写的有没有问题
print(response.getcode())
这里返回的是:200,那就证明我们的逻辑没有错
5. 返回url(http://www.baidu.com)
print(response.geturl())
6. 获取状态信息
print(response.getheaders())
总结:
- 一个类型:HTTPResponse
- 方法一:read
- 方法二:readline
- 方法三:readlines
- 方法四:getcode
- 方法五:geturl
- 方法六:getheaders
三、urllib下载
下载网页
url代表的下载路径 filename是文件的名字
在python中,可以写变量的名字,也可以直接写值
import urllib.request
url_page ='http://www.baidu.com'
urllib.request.urlretrieve(url_page,'baidu.html')
下载图片
先在网站上找到要下载的图片,并复制图片地址/链接
将地址写入代码中
url_img ='https://ts1.cn.mm.bing.net/th/id/R-C.5859dafce1fb55e11b2b283d2fa9dc6b?rik=cUDFlghg9sfiBQ&riu=http%3a%2f%2f5b0988e595225.cdn.sohucs.com%2fimages%2f20200322%2f82948cdc4da74564a6968b471783444c.jpeg&ehk=d7X5lIX%2f%2fqEtF5OjxRKT9Hxm9cTlkLLocNXptXKPBg0%3d&risl=&pid=ImgRaw&r=0'
urllib.request.urlretrieve(url=url_img, filename='lisa.jpg')
运行后会生成图片文件:
下载视频
先找到要下载视频的url
打开视频界面的开发者工具找到视频的src后面跟的就是视频地址
将地址写入代码中,并生成.mp4文件
url_video ='blob:https://www.iqiyi.com/58d4730b-288a-44f0-bed5-38c494a1f6e5'
urllib.request.urlretrieve(url_video,'123.mp4')
四、请求对象的定制
用https的协议访问
import urllib.request
url ='https://www.baidu.com'
response = urllib.request.urlopen(url)
content = response.read().decode('utf-8')print(content)# 访问失败!!!
UA介绍:User Agent中文名为用户代理,简称UA,它是一个特殊字符串头,使得服务器能够识别客户使用的操作系统及版本、CPU类型、浏览器及版本、浏览器内核、浏览器渲染引擎、浏览器语言、浏览器插件等
打开一个百度首页,找到UA所在位置
检查界面:
定义一个字典,将UA放入字典中
headers ={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'}
因为urlopen中不能存储字典类型的数据
所以headers不能传递进去
这时候就需要请求对象的定制
request = urllib.request.Request(url=url, headers=headers)
注意:因为参数问题 不能直接写url和headers,中间还有data,所以我们需要关键字传参
五、编解码
1.get请求方式
urllib.parse
https://www.baidu.com/s?wd=%E5%91%A8%E6%9D%B0%E4%BC%A6
获取百度搜索周杰伦的页面
url = url ='https://www.baidu.com/s?wd=%E5%91%A8%E6%9D%B0%E4%BC%A6'
定制请求对象
headers ={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'}
将周杰伦三个字变成unicode编码的格式(urllib.parse)
name = urllib.parse.quote('周杰伦')
请求对象的定制
request = urllib.request.Request(url=url, headers=headers)
模拟浏览器向服务器发送请求
response = urllib.request.urlopen(request)
获取响应内容
content = response.read().decode('utf-8'
总代码:
import urllib.request
url ='https://www.baidu.com/s?wd='
headers ={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'}
name = urllib.parse.quote('周杰伦')
url = url + name
request = urllib.request.Request(url=url, headers=headers)
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')print(content)
urlencode
urlencode:适用于多个参数的时候
import urllib.parse
data ={'wd':'周杰伦','sex':'男'}
a = urllib.parse.urlencode(data)print(a)# wd=%E5%91%A8%E6%9D%B0%E4%BC%A6&sex=%E7%94%B7
多个参数需要变成encode的时候
import urllib.request
import urllib.parse
base_url ='https://www.baidu.com/s?'
data ={'wd':'周杰伦','sex':'男','location':'中国台湾省'}
new_data = urllib.parse.urlencode(data)
url = base_url + new_data
headers ={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'}
request = urllib.request.Request(url=url, headers=headers)
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')print(content)
2.post请求方式
百度翻译
先打开百度翻译的界面,输入一个词,打开开发者工具,找到post请求的sug文件
kw=spider
复制URL地址
开始编写代码:
请求路径的URL
url ='https://fanyi.baidu.com/sug'
请求头
headers ={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'}
请求参数
data ={'kw':'spider'}
post的请求参数 必须要进行编码(encode(‘utf-8’))
data = urllib.parse.urlencode(data).encode('utf-8')
post的请求参数,是不会拼接在url的后面的,而是需要放在请求对象定制的参数中
request = urllib.request.Request(url=url, data=data, headers=headers)
获取相应数据
content = response.read().decode('utf-8')
总代码块
import urllib.request
import urllib.parse
url ='https://fanyi.baidu.com/sug'
headers ={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:106.0) Gecko/20100101 Firefox/106.0'}
data ={'kw':'spider'}
data = urllib.parse.urlencode(data).encode('utf-8')
request = urllib.request.Request(url=url, data=data, headers=headers)
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')print(content)
这里的content的类型是str
字符串——>json对象
import json
obj = json.loads(content)print(obj)
百度翻译之详细翻译
1.先复制URL
2.请求头
在所有请求头中,找到起作用的一个——cookie
3.在表单数据中找到请求参数
4.代码实现:
import urllib.request
import urllib.parse
url ='https://fanyi.baidu.com/v2transapi?from=en&to=zh'
headers ={'Cookie':'BAIDUID=12196FD75453346657491E87390AC35B:FG=1; BIDUPSID=12196FD7545334661F0AE8D4B062BE2E; PSTM=1666008285; BDUSS=FhRbk81OEFrZ1RFRFJrWUxCQ1dmRTZUQXp0VXA4ZGZtT0QyOUZ0T0hDRGYtSVpqRVFBQUFBJCQAAAAAAAAAAAEAAACS5FTMAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAN9rX2Pfa19je; BDORZ=B490B5EBF6F3CD402E515D22BCDA1598; ZFY=M8B:A6gXyHZyKVBf:AqksGBg5jNPPKTmxNoclm:BgHpXzI:C; APPGUIDE_10_0_2=1; Hm_lvt_64ecd82404c51e03dc91cb9e8c025574=1668256951; REALTIME_TRANS_SWITCH=1; FANYI_WORD_SWITCH=1; HISTORY_SWITCH=1; SOUND_SPD_SWITCH=1; SOUND_PREFER_SWITCH=1; BDSFRCVID=umLOJeC62ZlGj87jjNM7q-J69LozULrTH6_n1tn9KcRk7KlESLLqEG0PWf8g0KubzcDrogKKXeOTHiFF_2uxOjjg8UtVJeC6EG0Ptf8g0f5; H_BDCLCKID_SF=tJIe_C-atC-3fP36q4rVhP4Sqxby26ntamJ9aJ5nJDoADh3Fe5J8MxCIjpLLBjK8BIOE-lR-QpP-_nul5-IByPtwMNJi2UQgBgJDKl0MLU3tbb0xynoD24tvKxnMBMnv5mOnanTI3fAKftnOM46JehL3346-35543bRTLnLy5KJtMDcnK4-XjjOBDNrP; H_PS_PSSID=36554_37555_37518_37687_37492_34813_37721_36807_37662_37533_37720_37740_26350_22157; delPer=0; PSINO=1; Hm_lpvt_64ecd82404c51e03dc91cb9e8c025574=1668353828; ab_sr=1.0.1_MzJiYzJlNTg2MzQzZjE5NWQ4MDNkYTc1NjRhZWMyY2RhNjk2NGU4MWViYWU3NDUwNmFiNDU3MDQ1N2MzYWRmNTgwYjhhYjhmM2M2OTU3MDNkYTIyZjg0MmU1MTY1YjdiNGEyOTBjZTBjMjJmNjA1MzU2ZjViZmY0MzBiZTAwOWE3MGE2YjUyODExMWM2M2ZjNDhiNWFhZWQ0MDQ1NTVlMWZiNDMyMGVlMWQ3YjQ5ZWY4Y2M3M2Y1ZWJiMjcwZGNj'}
data ={'from':'en','to':'zh','query':'love','simple_means_flag':'3','sign':'198772.518981','填写自己的token','domain':'common'}# post请求的参数必须进行编码 并且要调用
data = urllib.parse.urlencode(data).encode('utf-8')# 请求对象的定制
request = urllib.request.Request(url=url, data=data, headers=headers)# 模拟浏览器向服务器发送请求
response = urllib.request.urlopen(request)# 获取响应数据
content = response.read().decode('utf-8')import json
obj = json.loads(content)print(obj)
获取到了数据:
版权归原作者 T³3 所有, 如有侵权,请联系我们删除。