0
0

【urllib的使用（上）】

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：
在这里插入图片描述
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：
在这里插入图片描述

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：
在这里插入图片描述

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在这里插入图片描述找到视频的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
在这里插入图片描述检查界面：
在这里插入图片描述在这里插入图片描述

在这里插入图片描述
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
在这里插入图片描述所以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

获取页面源码
https://www.baidu.com/s?wd=周杰伦&sex=男&location=中国台湾省

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
在这里插入图片描述kw=spider
复制URL地址
在这里插入图片描述开始编写代码：

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

https://fanyi.baidu.com/v2transapi?from=en&to=zh
在这里插入图片描述

2.请求头
在所有请求头中，找到起作用的一个——cookie
在这里插入图片描述3.在表单数据中找到请求参数
在这里插入图片描述

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：
在这里插入图片描述

标签： python 前端 爬虫
本文转载自: https://blog.csdn.net/qq_64451048/article/details/127775623
版权归原作者 T³3 所有， 如有侵权，请联系我们删除。
登录后发布评论

“【urllib的使用（上）】”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

runaspcen.zip：以管理员权限安全运行程序

如何使用 Jest 进行单元测试

IDEA插件支持API调试、接口用例支持一键同步API变更，MeterSphere开源持续测试工具v3.2.0版本发布

Postman：Postman Collection使用：Postman自动化测试与Newman介绍

git代码备份

git clone自己的私有仓库

毕设项目分享 大数据房价数据分析及可视化(源码分享)

文章导航