Python的Urllib库的基本使用教程


Posted in Python onApril 30, 2015

1.分分钟扒一个网页下来

怎样扒网页呢?其实就是根据URL来获取它的网页信息,虽然我们在浏览器中看到的是一幅幅优美的画面,但是其实是由浏览器解释才呈现出来的,实质它 是一段HTML代码,加 JS、CSS,如果把网页比作一个人,那么HTML便是他的骨架,JS便是他的肌肉,CSS便是它的衣服。所以最重要的部分是存在于HTML中的,下面我 们就写个例子来扒一个网页下来。
 

import urllib2
 
response = urllib2.urlopen("http://www.baidu.com")
print response.read()

是的你没看错,真正的程序就两行,把它保存成 demo.py,进入该文件的目录,执行如下命令查看运行结果,感受一下。
 

python demo.py

Python的Urllib库的基本使用教程

看,这个网页的源码已经被我们扒下来了,是不是很酸爽?
2.分析扒网页的方法

那么我们来分析这两行代码,第一行
 

response = urllib2.urlopen("http://www.baidu.com")

首先我们调用的是urllib2库里面的urlopen方法,传入一个URL,这个网址是百度首页,协议是HTTP协议,当然你也可以把HTTP换做FTP,FILE,HTTPS 等等,只是代表了一种访问控制协议,urlopen一般接受三个参数,它的参数如下:
 

urlopen(url, data, timeout)

第一个参数url即为URL,第二个参数data是访问URL时要传送的数据,第三个timeout是设置超时时间。

第二三个参数是可以不传送的,data默认为空None,timeout默认为 socket._GLOBAL_DEFAULT_TIMEOUT

第一个参数URL是必须要传送的,在这个例子里面我们传送了百度的URL,执行urlopen方法之后,返回一个response对象,返回信息便保存在这里面。
 

print response.read()

response对象有一个read方法,可以返回获取到的网页内容。

如果不加read直接打印会是什么?答案如下:
 

<addinfourl at 139728495260376 whose fp = <socket._fileobject object at 0x7f1513fb3ad0>>

直接打印出了该对象的描述,所以记得一定要加read方法,否则它不出来内容可就不怪我咯!
3.构造Requset

其实上面的urlopen参数可以传入一个request请求,它其实就是一个Request类的实例,构造时需要传入Url,Data等等的内容。比如上面的两行代码,我们可以这么改写
 

import urllib2
 
request = urllib2.Request("http://www.baidu.com")
response = urllib2.urlopen(request)
print response.read()

运行结果是完全一样的,只不过中间多了一个request对象,推荐大家这么写,因为在构建请求时还需要加入好多内容,通过构建一个request,服务器响应请求得到应答,这样显得逻辑上清晰明确。
4.POST和GET数据传送

上面的程序演示了最基本的网页抓取,不过,现在大多数网站都是动态网页,需要你动态地传递参数给它,它做出对应的响应。所以,在访问时,我们需要传递数据给它。最常见的情况是什么?对了,就是登录注册的时候呀。

把数据用户名和密码传送到一个URL,然后你得到服务器处理之后的响应,这个该怎么办?下面让我来为小伙伴们揭晓吧!

数据传送分为POST和GET两种方式,两种方式有什么区别呢?

最重要的区别是GET方式是直接以链接形式访问,链接中包含了所有的参数,当然如果包含了密码的话是一种不安全的选择,不过你可以直观地看到自己提交了什么内容。POST则不会在网址上显示所有的参数,不过如果你想直接查看提交了什么就不太方便了,大家可以酌情选择。
POST方式:

上面我们说了data参数是干嘛的?对了,它就是用在这里的,我们传送的数据就是这个参数data,下面演示一下POST方式。
 

import urllib
import urllib2
 
values = {"username":"1016903103@qq.com","password":"XXXX"}
data = urllib.urlencode(values) 
url = "https://passport.csdn.net/account/login?from=http://my.csdn.net/my/mycsdn"
request = urllib2.Request(url,data)
response = urllib2.urlopen(request)
print response.read()

我们引入了urllib库,现在我们模拟登陆CSDN,当然上述代码可能登陆不进去,因为还要做一些设置头部header的工作,或者还有一些参数 没有设置全,还没有提及到在此就不写上去了,在此只是说明登录的原理。我们需要定义一个字典,名字为values,参数我设置了username和 password,下面利用urllib的urlencode方法将字典编码,命名为data,构建request时传入两个参数,url和data,运 行程序,即可实现登陆,返回的便是登陆后呈现的页面内容。当然你可以自己搭建一个服务器来测试一下。

注意上面字典的定义方式还有一种,下面的写法是等价的
 

import urllib
import urllib2
 
values = {}
values['username'] = "1016903103@qq.com"
values['password'] = "XXXX"
data = urllib.urlencode(values) 
url = "http://passport.csdn.net/account/login?from=http://my.csdn.net/my/mycsdn"
request = urllib2.Request(url,data)
response = urllib2.urlopen(request)
print response.read()

以上方法便实现了POST方式的传送
GET方式:

至于GET方式我们可以直接把参数写到网址上面,直接构建一个带参数的URL出来即可。
 

import urllib
import urllib2
 
values={}
values['username'] = "1016903103@qq.com"
values['password']="XXXX"
data = urllib.urlencode(values) 
url = "http://passport.csdn.net/account/login"
geturl = url + "?"+data
request = urllib2.Request(geturl)
response = urllib2.urlopen(request)
print response.read()

你可以print geturl,打印输出一下url,发现其实就是原来的url加?然后加编码后的参数
 

http://passport.csdn.net/account/login?username=1016903103%40qq.com&password=XXXX

和我们平常GET访问方式一模一样,这样就实现了数据的GET方式传送。

本节讲解了一些基本使用,可以抓取到一些基本的网页信息,小伙伴们加油!

Python 相关文章推荐
机器学习之KNN算法原理及Python实现方法详解
Jul 09 Python
Python面向对象基础入门之编码细节与注意事项
Dec 11 Python
Python批量生成特定尺寸图片及图画任意文字的实例
Jan 30 Python
浅谈python中统计计数的几种方法和Counter详解
Nov 07 Python
在django-xadmin中APScheduler的启动初始化实例
Nov 15 Python
Pandas数据离散化原理及实例解析
Nov 16 Python
Python2和Python3中@abstractmethod使用方法
Feb 04 Python
Python字符串格式化常用手段及注意事项
Jun 17 Python
TensorFlow保存TensorBoard图像操作
Jun 23 Python
pytest进阶教程之fixture函数详解
Mar 29 Python
Python3中最常用的5种线程锁实例总结
Jul 07 Python
详解python的异常捕获
Mar 03 Python
python获取当前日期和时间的方法
Apr 30 #Python
python实现TCP服务器端与客户端的方法详解
Apr 30 #Python
python排序方法实例分析
Apr 30 #Python
python中lambda与def用法对比实例分析
Apr 30 #Python
python中self原理实例分析
Apr 30 #Python
部署Python的框架下的web app的详细教程
Apr 30 #Python
python实现清屏的方法
Apr 30 #Python
You might like
咖啡常见的种类
2021/03/03 新手入门
php 信息采集程序代码
2009/03/17 PHP
php缩放gif和png图透明背景变成黑色的解决方法
2014/10/14 PHP
PHP实现Google plus的好友拖拽分组效果
2016/10/21 PHP
PHP ADODB实现事务处理功能示例
2018/05/25 PHP
jquery form表单序列化为对象的示例代码
2014/03/05 Javascript
JavaScript知识点整理
2015/12/09 Javascript
javascript图片预加载完整实例
2015/12/10 Javascript
jquery日历插件datepicker用法分析
2016/01/22 Javascript
javascript cookie用法基础教程(概念,设置,读取及删除)
2016/09/20 Javascript
基于layui的table插件进行复选框联动功能的实现方法
2019/09/19 Javascript
微信小程序使用蓝牙小插件
2019/09/23 Javascript
微信小程序批量监听输入框对按钮样式进行控制的实现代码
2019/10/12 Javascript
Vue组件通信中非父子组件传值知识点总结
2019/12/05 Javascript
ES6常用小技巧总结【去重、交换、合并、反转、迭代、计算等】
2019/12/21 Javascript
[01:13]这,就是刀塔
2014/07/16 DOTA
[01:59][TI9趣味视频] 全明星赛奖励
2019/08/23 DOTA
Python实现二叉搜索树
2016/02/03 Python
python脚本设置超时机制系统时间的方法
2016/02/21 Python
Python操作Sql Server 2008数据库的方法详解
2018/05/17 Python
对Python 语音识别框架详解
2018/12/24 Python
python+mysql实现学生信息查询系统
2019/02/21 Python
详解Python的数据库操作(pymysql)
2019/04/04 Python
Python线程指南分享
2019/11/19 Python
Python中Subprocess的不同函数解析
2019/12/10 Python
CSS实现定位元素居中的方法
2015/06/23 HTML / CSS
马来西亚在线药房:RoyalePharma
2019/12/01 全球购物
生物科学专业职业规划书范文
2014/02/11 职场文书
学生会招新策划书
2014/02/14 职场文书
2014年化验员工作总结
2014/11/18 职场文书
婚庆公司开业主持词
2015/06/30 职场文书
2019年暑期安全广播稿!
2019/07/03 职场文书
幽默导游词应该怎么写?
2019/08/26 职场文书
修辞手法有哪些?
2019/08/29 职场文书
2020年元旦祝福语录,总有适合你的
2019/12/31 职场文书
《现实主义勇者的王国再建记》第三弹OST全曲试听片段公开
2022/04/04 日漫