详解python内置模块urllib
urllib 是 python 的内置模块, 主要用于处理url相关的一些操作,例如访问url、解析url等操作。
urllib 包下面的 request
模块主要用于访问url,但是用得太多,因为它的光芒全都被 requests
这个第三方库覆盖了,最常用的还是 parse
模块。 写爬虫过程中,经常要对url进行参数的拼接、编码、解码,域名、资源路径提取等操作,这时 parse
模块就可以排上用场。
一、urlparse
urlparse
方法是把一个完整的URL拆分成不同的组成部分,你可以根据自己的需求提取其中的某部分内容。 返回结果 ParseResult 是 namedtuple 的子类,由以下10部分组成,每部分既可以通过名字获取也可以通过下表索引得到。
>>> from urllib import parse >>> url = 'https://mp.weixin.qq.com/s?__biz=MjM5MzgyODQxMQ==&mid=2650366919&idx=1&sn=1b36a9f2c0921cdeac52942ec591a923#rd' >>> result = parse.urlparse(url) # 返回ParseResult对象 >>> print(result) ParseResult(scheme='https', netloc='mp.weixin.qq.com', path='/s', params='', query='__biz=MjM5MzgyODQxMQ==&mid=2650366919&idx=1&sn=1b36a9f2c0921cdeac52942ec591a923', fragment='rd') # 通过下标获取协议 >>> result[0] 'https' # 协议 >>> result.scheme 'https' # url资源路径 >>> result.path '/s' # 查询参数 >>> result.query '__biz=MjM5MzgyODQxMQ==&mid=2650366919&idx=1&sn=1b36a9f2c0921cdeac52942ec591a923' # 获取主机名 >>> result.hostname 'mp.weixin.qq.com'
二、parse_qs
parse_qs 方法是将查询参数这部分内容从字符串转换成字典对象
>>> parse.parse_qs(result.query) {'__biz': ['MjM5MzgyODQxMQ=='], 'mid': ['2650366919'], 'idx': ['1'], 'sn': ['1b36a9f2c0921cdeac52942ec591a923']} >>>
每个参数名对应一个列表对象,这是因为在url规范中,一个参数名可以有多个值,例如: a=1&a=2,通常在实际应用场景中一般一个参数名只会对应一个值。
你可以用一行代码将列表转化为字符串
>>> {name: value[0] for name, value in parse.parse_qs(result.query).items()} {'__biz': 'MjM5MzgyODQxMQ==', 'mid': '2650366919', 'idx': '1', 'sn': '1b36a9f2c0921cdeac52942ec591a923'}
三、urlencode
反过来,如果将一个字典对象想转换为url中的查询参数,那么就可以使用urlencode方法。
>>> d = {'__biz': 'MjM5MzgyODQxMQ==', 'mid': '2650366919', 'idx': '1'} >>> parse.urlencode(d) '__biz=MjM5MzgyODQxMQ%3D%3D&mid=2650366919&idx=1'
四、quote
在URL的标准规范中,url 只允许数字、字母和部分特殊符号的存在,如果有中文和某些特殊符号,就需要使用UTF-8进行编码,将这些字符转换成 %XX 的形式,例如: 【中】UTF-8编码的结果是:
>>> "中".encode() b'\xe4\xb8\xad'
那么浏览器实际上会把【中】转换成 %e4%b8%ad
在python中,就可以用 quote
方法进行URL编码,对于特殊符号,也会进行成对应的16进制符号, 例如 【=】 就转换成了 %3D 。
>>> parse.quote("q=中") 'q%3D%E4%B8%AD' >>>
quote_plus
可以将空格编码成“+”
>>> parse.quote_plus("a b") 'a+b' >>> parse.quote("a b") 'a%20b'
五、unquote
unquote 是 quote 的逆向过程,称之为URL解码,解码方便开发者阅读
>>> parse.unquote("q%3D%E4%B8%AD") 'q=中'
以上就是详解python内置模块urllib的详细内容,更多关于python内置模块urllib的资料请关注我们其它相关文章!