欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python?urllib庫(kù)的使用指南詳解

 更新時(shí)間:2022年04月06日 10:42:41   作者:BoBo?yeah  
所謂網(wǎng)頁(yè)抓取,就是把URL地址中指定的網(wǎng)絡(luò)資源從網(wǎng)絡(luò)流中讀取出來(lái),保存到本地。?在Python中有很多庫(kù)可以用來(lái)抓取網(wǎng)頁(yè),本文將講解其中的urllib庫(kù),感興趣的可以了解一下

所謂網(wǎng)頁(yè)抓取,就是把URL地址中指定的網(wǎng)絡(luò)資源從網(wǎng)絡(luò)流中讀取出來(lái),保存到本地。 在Python中有很多庫(kù)可以用來(lái)抓取網(wǎng)頁(yè),我們先學(xué)習(xí)urllib。

在 python2 中,urllib 被分為urllib,urllib2等

urlopen

我們先來(lái)段代碼:

# urllib_request.py

# 導(dǎo)入urllib.request 庫(kù)
import urllib.request

# 向指定的url發(fā)送請(qǐng)求,并返回服務(wù)器響應(yīng)的類(lèi)文件對(duì)象
response = urllib.request.urlopen("http://www.baidu.com")

# 類(lèi)文件對(duì)象支持文件對(duì)象的操作方法,如read()方法讀取文件全部?jī)?nèi)容,返回字符串
html = response.read()

# 打印字符串
print (html)

執(zhí)行寫(xiě)的python代碼,將打印結(jié)果

python urllib_request.py

實(shí)際上,如果我們?cè)跒g覽器上打開(kāi)百度主頁(yè), 右鍵選擇“查看源代碼”,你會(huì)發(fā)現(xiàn),跟我們剛才打印出來(lái)的是一模一樣。也就是說(shuō),上面的4行代碼就已經(jīng)幫我們把百度的首頁(yè)的全部代碼爬了下來(lái)。

一個(gè)基本的url請(qǐng)求對(duì)應(yīng)的python代碼真的非常簡(jiǎn)單。

Request

在我們第一個(gè)例子里,urlopen()的參數(shù)就是一個(gè)url地址;

但是如果需要執(zhí)行更復(fù)雜的操作,比如增加HTTP報(bào)頭,必須創(chuàng)建一個(gè) Request 實(shí)例來(lái)作為urlopen()的參數(shù);而需要訪問(wèn)的url地址則作為 Request 實(shí)例的參數(shù)。

我們編輯urllib_request.py

# urllib_request.py

import urllib.request

# url 作為Request()方法的參數(shù),構(gòu)造并返回一個(gè)Request對(duì)象
request = urllib.request.Request("http://www.baidu.com")

# Request對(duì)象作為urlopen()方法的參數(shù),發(fā)送給服務(wù)器并接收響應(yīng)
response = urllib.request.urlopen(request)

html = response.read().decode()

print (html)

運(yùn)行結(jié)果是完全一樣的:

新建Request實(shí)例,除了必須要有 url 參數(shù)之外,還可以設(shè)置另外兩個(gè)參數(shù):

data(默認(rèn)空):是伴隨 url 提交的數(shù)據(jù)(比如要post的數(shù)據(jù)),同時(shí) HTTP 請(qǐng)求將從 "GET"方式 改為 "POST"方式。

headers(默認(rèn)空):是一個(gè)字典,包含了需要發(fā)送的HTTP報(bào)頭的鍵值對(duì)。

User-Agent

但是這樣直接用urllib給一個(gè)網(wǎng)站發(fā)送請(qǐng)求的話,確實(shí)略有些唐突了,就好比,人家每家都有門(mén),你以一個(gè)路人的身份直接闖進(jìn)去顯然不是很禮貌。而且有一些站點(diǎn)不喜歡被程序(非人為訪問(wèn))訪問(wèn),有可能會(huì)拒絕你的訪問(wèn)請(qǐng)求。

但是如果我們用一個(gè)合法的身份去請(qǐng)求別人網(wǎng)站,顯然人家就是歡迎的,所以我們就應(yīng)該給我們的這個(gè)代碼加上一個(gè)身份,就是所謂的User-Agent頭。

瀏覽器 就是互聯(lián)網(wǎng)世界上公認(rèn)被允許的身份,如果我們希望我們的爬蟲(chóng)程序更像一個(gè)真實(shí)用戶,那我們第一步,就是需要偽裝成一個(gè)被公認(rèn)的瀏覽器。用不同的瀏覽器在發(fā)送請(qǐng)求的時(shí)候,會(huì)有不同的User-Agent頭。 urllib默認(rèn)的User-Agent頭為:Python-urllib/x.y(x和y是Python主版本和次版本號(hào),例如 Python-urllib/2.7)

#urllib_request.py

import urllib.request

url = "http://www.itcast.cn"

#IE 9.0 的 User-Agent,包含在 ua_header里
ua_header = {"User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"}

#  url 連同 headers,一起構(gòu)造Request請(qǐng)求,這個(gè)請(qǐng)求將附帶 IE9.0 瀏覽器的User-Agent
request = urllib.request.Request(url, headers = ua_header)

# 向服務(wù)器發(fā)送這個(gè)請(qǐng)求
response = urllib.request.urlopen(request)

html = response.read()
print (html)

添加更多的Header信息

在 HTTP Request 中加入特定的 Header,來(lái)構(gòu)造一個(gè)完整的HTTP請(qǐng)求消息。

可以通過(guò)調(diào)用Request.add_header() 添加/修改一個(gè)特定的header 也可以通過(guò)調(diào)用Request.get_header()來(lái)查看已有的header。

添加一個(gè)特定的header

# urllib_headers.py

import urllib.request

url = "http://www.itcast.cn"

#IE 9.0 的 User-Agent
header = {"User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0;"}
request = urllib.request.Request(url, headers = header)

#也可以通過(guò)調(diào)用Request.add_header() 添加/修改一個(gè)特定的header
request.add_header("Connection", "keep-alive")

# 也可以通過(guò)調(diào)用Request.get_header()來(lái)查看header信息
# request.get_header(header_name="Connection")

response = urllib.request.urlopen(request)

print (response.code) #可以查看響應(yīng)狀態(tài)碼
html = response.read().decode()

print (html)

隨機(jī)添加/修改User-Agent

# urllib_add_headers.py

import urllib
import random

url = "http://www.itcast.cn"

ua_list = [
    "Mozilla/5.0 (Windows NT 6.1; ) Apple.... ",
    "Mozilla/5.0 (X11; CrOS i686 2268.111.0)... ",
    "Mozilla/5.0 (Macintosh; U; PPC Mac OS X.... ",
    "Mozilla/5.0 (Macintosh; Intel Mac OS... "
]

user_agent = random.choice(ua_list)

request = urllib.request.Request(url)

#也可以通過(guò)調(diào)用Request.add_header() 添加/修改一個(gè)特定的header
request.add_header("User-Agent", user_agent)

# get_header()的字符串參數(shù),第一個(gè)字母大寫(xiě),后面的全部小寫(xiě)
request.get_header("User-agent")

response = urllib.request.urlopen(requestr)

html = response.read()
print (html)

以上就是Python urllib庫(kù)的使用指南詳解的詳細(xì)內(nèi)容,更多關(guān)于Python urllib庫(kù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • 淺談Python xlwings 讀取Excel文件的正確姿勢(shì)

    淺談Python xlwings 讀取Excel文件的正確姿勢(shì)

    這篇文章主要介紹了淺談Python xlwings 讀取Excel文件的正確姿勢(shì),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2021-02-02
  • 用Python代碼來(lái)繪制彭羅斯點(diǎn)陣的教程

    用Python代碼來(lái)繪制彭羅斯點(diǎn)陣的教程

    這篇文章主要介紹了用Python代碼來(lái)繪制彭羅斯點(diǎn)陣的教程,核心代碼主要就是一行簡(jiǎn)單的lambda匿名函數(shù),需要的朋友可以參考下
    2015-04-04
  • python 如何讀、寫(xiě)、解析CSV文件

    python 如何讀、寫(xiě)、解析CSV文件

    這篇文章主要介紹了python 如何讀、寫(xiě)、解析CSV文件,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
    2021-03-03
  • python實(shí)現(xiàn)宿舍管理系統(tǒng)

    python實(shí)現(xiàn)宿舍管理系統(tǒng)

    這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)宿舍管理系統(tǒng),文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2019-11-11
  • Pytorch之view及view_as使用詳解

    Pytorch之view及view_as使用詳解

    今天小編就為大家分享一篇Pytorch之view及view_as使用詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2019-12-12
  • python3射線法判斷點(diǎn)是否在多邊形內(nèi)

    python3射線法判斷點(diǎn)是否在多邊形內(nèi)

    這篇文章主要為大家詳細(xì)介紹了python3射線法判斷點(diǎn)是否在多邊形內(nèi),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2019-06-06
  • Python3進(jìn)行表格數(shù)據(jù)處理的示例詳解

    Python3進(jìn)行表格數(shù)據(jù)處理的示例詳解

    數(shù)據(jù)處理是一個(gè)當(dāng)下非常熱門(mén)的研究方向,通過(guò)對(duì)于大型實(shí)際場(chǎng)景中的數(shù)據(jù)進(jìn)行建模,可以用于預(yù)測(cè)下一階段可能出現(xiàn)的情況。本文就來(lái)聊聊Python3進(jìn)行表格數(shù)據(jù)處理的相關(guān)操作,需要的可以參考一下
    2023-03-03
  • Python文本特征抽取與向量化算法學(xué)習(xí)

    Python文本特征抽取與向量化算法學(xué)習(xí)

    這篇文章主要為大家詳細(xì)介紹了Python文本特征抽取與向量化算法,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2017-12-12
  • 詳解用pyecharts Geo實(shí)現(xiàn)動(dòng)態(tài)數(shù)據(jù)熱力圖城市找不到問(wèn)題解決

    詳解用pyecharts Geo實(shí)現(xiàn)動(dòng)態(tài)數(shù)據(jù)熱力圖城市找不到問(wèn)題解決

    這篇文章主要介紹了詳解用pyecharts Geo實(shí)現(xiàn)動(dòng)態(tài)數(shù)據(jù)熱力圖城市找不到問(wèn)題解決,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2019-06-06
  • Flask實(shí)現(xiàn)swagger在線文檔與接口測(cè)試流程詳解

    Flask實(shí)現(xiàn)swagger在線文檔與接口測(cè)試流程詳解

    Flask是一個(gè)使用Python編寫(xiě)的輕量級(jí)Web應(yīng)用框架。其WSGI工具箱采用 Werkzeug,模板引擎則使用Jinja2。Flask使用 BSD 授權(quán)。Flask也被稱為“microframework”,因?yàn)樗褂煤?jiǎn)單的核心,用 extension 增加其他功能,本篇帶你用Flask實(shí)現(xiàn)swagger在線文檔與接口測(cè)試
    2022-07-07

最新評(píng)論