快捷導(dǎo)航

python如何獲取網(wǎng)絡(luò)數(shù)據(jù)

更新時(shí)間：2021年04月09日 14:16:59 作者：yukiwu

這篇文章主要介紹了python如何獲取網(wǎng)絡(luò)數(shù)據(jù)，幫助大家更好的理解和學(xué)習(xí)使用python，感興趣的朋友可以了解下

Retrieving Data over HTTP

Python 內(nèi)置了 sockets 可以實(shí)現(xiàn)與網(wǎng)絡(luò)連接并通過(guò) Python 提取數(shù)據(jù)的功能。

socket 是可以提供雙向連接的，我們可以對(duì)同一個(gè) socket 進(jìn)行讀寫操作。比方說(shuō)，A 對(duì) socket 寫入信息，并且將其發(fā)送給 socket 連接另一端 B；那么 B 讀取 socket 的內(nèi)容就可以得到 A 的信息。但是這樣會(huì)有一個(gè)問(wèn)題，比如說(shuō)， A端并沒有發(fā)送任何信息，而 B 端一直在嘗試讀取 socket 的內(nèi)容，那么 A 端和 B 端只能陷入漫長(zhǎng)的等待。所以就引入了通信協(xié)議。協(xié)議通過(guò)規(guī)定誰(shuí)先發(fā)送，誰(shuí)后響應(yīng)等來(lái)規(guī)避上述的問(wèn)題。

import socket
mysock = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
mysock.connect(('fakeserver.com', 80)) # connect to server
cmd = 'GET http://fakeserver.com/fake.txt HTTP/1.0\r\n\r\n'.encode()
# send GET command followed by a blank line
mysock.send(cmd) 

while True: # receive data and print out
    data = mysock.recv(512)
    if (len(data) < 1):
        break
    print(data.decode())
mysock.close()

Retrieving Data with urllib

利用 socket 我們可以與網(wǎng)站服務(wù)器，郵件服務(wù)器等建立連接。但是在建立連接之前，我們需要查詢文檔了解通信協(xié)議，然后根據(jù)協(xié)議編寫程序。所以相較于 socket 這種黑魔法，我們可以利用更為簡(jiǎn)單的 Python Package。

利用 urllib.urlopen() 打開網(wǎng)頁(yè)后，我們就可以讀取數(shù)據(jù)，像讀取本地文件一樣。

import urllib.request

fhand = urllib.request.urlopen('http://fakeserver.com/fake.txt')
for line in fhand:
    #convert UTF-8 to unicode string and print out
    print(line.decode().strip())

因?yàn)?urllib 使用簡(jiǎn)潔方便，所以也常用與網(wǎng)絡(luò)爬蟲。網(wǎng)絡(luò)爬蟲除了要網(wǎng)頁(yè)讀取數(shù)據(jù)以外還需要在 HTML 格式中解釋出可用數(shù)據(jù)，所以除了 urllib 還有另一常用利器就是 BeautifulSoup。

import urllib.request, urllib.parse, urllib.error
from bs4 import BeautifulSoup
import ssl

# Ignore SSL certificate errors
ctx = ssl.create_default_context()
ctx.check_hostname = False
ctx.verify_mode = ssl.CERT_NONE

html = urllib.request.urlopen('http://fakeserver.com/fake.html', context=ctx).read()
soup = BeautifulSoup(html, 'html.parser')
tags = soup('a')
# Retrieve all of the anchor tags
for tag in tags:
    print(tag.get('href', None))

Retrieving Data from XML

在網(wǎng)絡(luò)交換數(shù)據(jù)，我們常用的格式有兩種，一是 XML; 二是 JSON。

XML 長(zhǎng)得就像是 HTML 的近親，可以看做是樹的一種。利用 Python Package ElementTree 我們可以將 XML 文件轉(zhuǎn)換為樹，這樣可以方便我們后續(xù)提取有效的數(shù)據(jù)。

import xml.etree.ElementTree as ET
data =  '''
            <person>
            <name>Jack</name>
            <phone>+123456789</phone>
            <email office="yes"/>
            </person> 
        '''
tree = ET.fromstring(data) # convert xml into a tree
print('Name:', tree.find('name').text)
print('Attr:', tree.find('email').get('office'))

Retrieving Data from JSON

JSON 結(jié)構(gòu)相較于 XML 來(lái)說(shuō)更為簡(jiǎn)單，所以他的功能就沒有那么強(qiáng)大。但是 JSON 有一個(gè)優(yōu)勢(shì)就是可以直接映射到 Python 的 dictionaries 和 lists 中，非常實(shí)用。

我們可以直接利用 Python Package json 來(lái)解釋 JSON。

import json
data =  '''
            {
                "name" : "Jack",
                "phone" : {
                    "type" : "intl",
                    "number" : "+123456789"
                },
                "email" : {
                    "office" : "yes"
                }
            }
        '''
info = json.loads(data)  # convert json into a dictianary
print('Name:', info['name'])
print('Attr:', info['email']['office'])