python urllib.request模块的使用详解
python的urllib模块提供了一系列操作url的功能,可以让我们通过url打开任意资源。其中比较常用的就是request模块,本篇主要介绍requset模块。
urllib子模块
- urllib.request 打开或请求url
- urllib.error 捕获处理请求时产生的异常
- urllib.parse 解析url
- urllib.robotparser 用于解析robots.txt文件
robots.txt是一种存放于网站根目录下文本文件,用来告诉网络爬虫服务器上的那些文件可以被查看。又被成为robots协议,是一种约定俗成的协议。
request模块
function request.urlopen()
urlopen方法用来打开资源url,常用带参数形式urlopen(url,data=None),url:资源url,data:携带的数据。
方法的返回值始终为一个对象,并可以调用相应的方法获取返回的信息。其中对于http及https的url来说会返回一个http.client.HTTPResponse对象;
import urllib.request # 我们用本地的一个简单html文件来测试 url = 'http://127.0.0.1:8848/chenjy/test.html' req = urllib.request.urlopen(url) print(req)
1. read() 返回服务器返回的原始数据;
import urllib.request url ='http://127.0.0.1:8848/chenjy/test.html' req = urllib.request.urlopen(url) print(req.read())
我们可以再调用decode()方法来解码。
import urllib.request url = 'http://127.0.0.1:8848/chenjy/test.html' req = urllib.request.urlopen(url) print(req.read().decode())
2.geturl() 返回获取资源的url;
- 创建一个测试页
import urllib.request url = 'http://127.0.0.1:8848/chenjy/test.html' req = urllib.request.urlopen(url) print(req.geturl())
- 前端重定向
我们在页面中添加js脚本重定向页面window.location.href='http://127.0.0.1:8848/chenjy/test2.html';,会发现访问的时候会重定向到test2,但是geturl还是获取的重定向前的
- 后端重定向
我们启动一个项目并添加一个拦截器当访问index.html的时候重定向到/ls/html/list.html页面,geturl获取的是重定向后的页面
@Override public void handle(String target, HttpServletRequest request, HttpServletResponse response, boolean[] isHandled) { int index = target.lastIndexOf("index.html"); if (index != -1){ HandlerKit.redirect("/ls/html/list.html",request,response,isHandled); } }
import urllib.request url = 'http://localhost:8088/ls/index.html' req = urllib.request.urlopen(url) print(req.geturl())
3.info() 返回页面的元信息;
import urllib.request url = 'http://127.0.0.1:8848/chenjy/test.html' req = urllib.request.urlopen(url) print(req.info())
4.getcode() 返回页面的状态码;
import urllib.request url = 'http://127.0.0.1:8848/chenjy/test.html' req = urllib.request.urlopen(url) print(req.getcode())
class request.Request
url请求类 Request(url, data=None, headers={}, origin_req_host=None, unverifiable=False, method=None)
- url:请求url
- data:请求传参;bytes字节流
- headers:请求头
- origin_req_host:请求原始主机;不带端口
- unverifiable:是否不可验证;
- method :请求方法;如GET、POST、PUT等
import urllib.request # 模拟iphone5请求百度手机版页面 url = 'https://www.baidu.com/' user_agent = 'Mozilla/5.0 (iPhone; CPU iPhone OS 10_3_1 like Mac OS X) AppleWebKit/603.1.30 (KHTML, like Gecko) Version/10.0 Mobile/14E304 Safari/602.1' headers = { 'User-Agent': user_agent } # 抓取page信息 req = urllib.request.Request(url, headers=headers,method='GET') page = urllib.request.urlopen(req).read().decode('utf-8') print(page)
以上就是python urllib.request模块的使用详解的详细内容,更多关于python urllib.request模块的资料请关注我们其它相关文章!