<dl id="vorq8"><menu id="vorq8"></menu></dl>

<sup id="vorq8"></sup>
<sup id="vorq8"></sup>
<sup id="vorq8"></sup>

<optgroup id="vorq8"><address id="vorq8"></address></optgroup>

    <sup id="vorq8"><menu id="vorq8"><small id="vorq8"></small></menu></sup>

    <div id="vorq8"><tr id="vorq8"><object id="vorq8"></object></tr></div>

    当前位置:  首页  >  PHP教程  >  PHP 应用  >  知识库

    Python的Urllib库的基本使用教程

    这篇文章主要介绍了Python的Urllib库的基本使用教程,是用Python编写爬虫的必备知识,需要的朋友可以参考下
    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
    

    2015430151751851.png (722×462)

    看,这个网页的源码已经被我?#21069;?#19979;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?#20889;?#30721;,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?#22336;?#38382;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?#30475;?#26696;如下:

    >
    

    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?#20889;?#30721;,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?#34987;?#38656;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?#20445;?#25105;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?#25509;?#20160;么区别呢?

    最重要的区别是GET方式是直接以链接?#38382;?#35775;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?#20204;?#36873;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":"[email protected]","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?#20808;?#20102;,在此只是?#24471;?#30331;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?#20132;?#26377;一种,下面的写法是等价的

    import urllib
    import urllib2
     
    values = {}
    values['username'] = "[email protected]"
    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'] = "[email protected]"
    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!

    吐了个 "CAO" !
    扫码关注 PHP1 官方微信号
    PHP1.CN | 中国最专业的PHP中文社区 | PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | PHP问答
    Copyright ? 1998 - 2020 PHP1.CN. All Rights Reserved PHP1.CN 第一PHP社区 版权所有
         
    pc蛋蛋
    <dl id="vorq8"><menu id="vorq8"></menu></dl>

    <sup id="vorq8"></sup>
    <sup id="vorq8"></sup>
    <sup id="vorq8"></sup>

    <optgroup id="vorq8"><address id="vorq8"></address></optgroup>

      <sup id="vorq8"><menu id="vorq8"><small id="vorq8"></small></menu></sup>

      <div id="vorq8"><tr id="vorq8"><object id="vorq8"></object></tr></div>

      <dl id="vorq8"><menu id="vorq8"></menu></dl>

      <sup id="vorq8"></sup>
      <sup id="vorq8"></sup>
      <sup id="vorq8"></sup>

      <optgroup id="vorq8"><address id="vorq8"></address></optgroup>

        <sup id="vorq8"><menu id="vorq8"><small id="vorq8"></small></menu></sup>

        <div id="vorq8"><tr id="vorq8"><object id="vorq8"></object></tr></div>

        刘伯温最准最一肖中特 幸运飞艇最稳定的计划 幸运飞艇pk10开奖记录 2011迅盈网球比分 17455正版平特一肖图 玩北京pk10输惨的事实 五点玩转胜分差 浙江飞鱼外围秘诀 体育7星彩直播 浙江十一选五前三走势 上海时时彩走势图 三张牌手机版 福利彩票特码 快乐十分微信群二维码 德甲最新排名