python urllib.request模塊的使用詳解

更新時(shí)間：2021年03月17日 11:55:20 作者：可愛的黑精靈

這篇文章主要介紹了python urllib.request模塊的使用詳解，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

urllib子模塊

urllib.request 打開或請(qǐng)求url
urllib.error 捕獲處理請(qǐng)求時(shí)產(chǎn)生的異常
urllib.parse 解析url
urllib.robotparser 用于解析robots.txt文件

robots.txt是一種存放于網(wǎng)站根目錄下文本文件，用來告訴網(wǎng)絡(luò)爬蟲服務(wù)器上的那些文件可以被查看。又被成為robots協(xié)議，是一種約定俗成的協(xié)議。

request模塊

function request.urlopen()

urlopen方法用來打開資源url，常用帶參數(shù)形式urlopen(url,data=None)，url：資源url，data：攜帶的數(shù)據(jù)。

方法的返回值始終為一個(gè)對(duì)象，并可以調(diào)用相應(yīng)的方法獲取返回的信息。其中對(duì)于http及https的url來說會(huì)返回一個(gè)http.client.HTTPResponse對(duì)象；

import urllib.request
# 我們用本地的一個(gè)簡(jiǎn)單html文件來測(cè)試
url = 'http://127.0.0.1:8848/chenjy/test.html'

req = urllib.request.urlopen(url)

print(req)

1. read() 返回服務(wù)器返回的原始數(shù)據(jù)；

import urllib.request

url ='http://127.0.0.1:8848/chenjy/test.html'

req = urllib.request.urlopen(url)

print(req.read())

我們可以再調(diào)用decode()方法來解碼。

import urllib.request

url = 'http://127.0.0.1:8848/chenjy/test.html'

req = urllib.request.urlopen(url)

print(req.read().decode())

2.geturl() 返回獲取資源的url；

創(chuàng)建一個(gè)測(cè)試頁

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

我們?cè)陧撁嬷刑砑觠s腳本重定向頁面window.location.;，會(huì)發(fā)現(xiàn)訪問的時(shí)候會(huì)重定向到test2，但是geturl還是獲取的重定向前的

后端重定向

我們啟動(dòng)一個(gè)項(xiàng)目并添加一個(gè)攔截器當(dāng)訪問index.html的時(shí)候重定向到/ls/html/list.html頁面,geturl獲取的是重定向后的頁面

@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() 返回頁面的元信息；

import urllib.request
url = 'http://127.0.0.1:8848/chenjy/test.html'

req = urllib.request.urlopen(url)

print(req.info())

4.getcode() 返回頁面的狀態(tài)碼；

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請(qǐng)求類 Request(url, data=None, headers={}, origin_req_host=None, unverifiable=False, method=None)

url：請(qǐng)求url
data：請(qǐng)求傳參；bytes字節(jié)流
headers：請(qǐng)求頭
origin_req_host：請(qǐng)求原始主機(jī)；不帶端口
unverifiable：是否不可驗(yàn)證；
method ：請(qǐng)求方法；如GET、POST、PUT等

import urllib.request

# 模擬iphone5請(qǐng)求百度手機(jī)版頁面
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)