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
Python中exit、return、sys.exit()等使用实例和区别
May 28 Python
Python爬取个人微信朋友信息操作示例
Aug 03 Python
详解pandas安装若干异常及解决方案总结
Jan 10 Python
在PYQT5中QscrollArea(滚动条)的使用方法
Jun 14 Python
python字符串Intern机制详解
Jul 01 Python
python实现BP神经网络回归预测模型
Aug 09 Python
Pytorch 保存模型生成图片方式
Jan 10 Python
pytorch模型预测结果与ndarray互转方式
Jan 15 Python
Tensorflow限制CPU个数实例
Feb 06 Python
在python3中使用shuffle函数要注意的地方
Feb 28 Python
Python logging日志库空间不足问题解决
Sep 14 Python
python opencv实现图像配准与比较
Feb 09 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
一台收音机,让一家人都笑逐颜开!
2020/08/21 无线电
php异常:Parse error: syntax error, unexpected T_ENCAPSED_AND_WHITESPACE  eval()'d code error
2011/05/19 PHP
浅析PHP中的闭包和匿名函数
2017/12/25 PHP
PHP5.6.8连接SQL Server 2008 R2数据库常用技巧分析总结
2019/05/06 PHP
js css样式操作代码(批量操作)
2009/10/09 Javascript
Extjs学习笔记之九 数据模型(上)
2010/01/11 Javascript
firefox浏览器不支持innerText的解决方法
2013/08/07 Javascript
JavaScript File API文件上传预览
2016/02/02 Javascript
详解JavaScript的内置对象
2016/12/07 Javascript
canvas 弹幕效果(实例分享)
2017/01/11 Javascript
vue.js 获取当前自定义属性值
2017/06/01 Javascript
js实现会跳动的日历效果(完整实例)
2017/10/18 Javascript
angular基于ng-alain定义自己的select组件示例
2018/02/23 Javascript
20道JS原理题助你面试一臂之力(必看)
2019/07/22 Javascript
JavaScript碰撞检测原理及其实现代码
2020/03/12 Javascript
vue使用canvas实现移动端手写签名
2020/09/22 Javascript
python实现网页链接提取的方法分享
2014/02/25 Python
分享一个常用的Python模拟登陆类
2015/03/29 Python
python通过索引遍历列表的方法
2015/05/04 Python
CentOS 6.X系统下升级Python2.6到Python2.7 的方法
2016/10/12 Python
python中requests库session对象的妙用详解
2017/10/30 Python
python 识别图片中的文字信息方法
2018/05/10 Python
Python面向对象之静态属性、类方法与静态方法分析
2018/08/24 Python
Django Docker容器化部署之Django-Docker本地部署
2019/10/09 Python
解决python虚拟环境切换无效的问题
2020/04/30 Python
15款Python编辑器的优缺点,别再问我“选什么编辑器”啦
2020/10/19 Python
解决python3输入的坑——input()
2020/12/05 Python
小天鹅官方商城:LittleSwan
2017/06/16 全球购物
英国电子产品购物网站:TobyDeals
2018/07/30 全球购物
类的返射机制中的包及核心类
2016/09/12 面试题
企业管理毕业生求职信
2014/03/11 职场文书
文明礼仪演讲稿
2014/05/12 职场文书
2014年扶贫帮困工作总结
2014/12/09 职场文书
通报表扬范文
2015/01/17 职场文书
党支部半年考察意见
2015/06/01 职场文书
python tqdm用法及实例详解
2021/06/16 Python