python3 urllib

1.基本方法

urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)

-         url:  須要打開的網址

-         data：Post提交的數據

-         timeout：設置網站的訪問超時時間

直接用urllib.request模塊的urlopen（）獲取頁面，page的數據格式爲bytes類型，須要decode（）解碼，轉換成str類型。

from urllib import request
response = request.urlopen(r'http://www.baidu.com/') 
page = response.read()
page = page.decode('utf-8')
print(page)

urlopen返回對象所提供方法：

-         read() , readline() ,readlines() , fileno() , close() ：對HTTPResponse類型數據進行操做

-         info()：返回HTTPMessage對象，表示遠程服務器返回的頭信息

-         getcode()：返回Http狀態碼。若是是http請求，200請求成功完成;404網址未找到

-         geturl()：返回請求的url

 

2.使用Request

urllib.request.Request(url, data=None, headers={}, method=None)

使用request（）來包裝請求，再經過urlopen（）獲取頁面。

from urllib import request

url = r'http://www.lagou.com/zhaopin/Python/?labelWords=label'
headers = {
    'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
                  r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
    'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
    'Connection': 'keep-alive'
}
req = request.Request(url, headers=headers)
page = request.urlopen(req).read()
page = page.decode('utf-8')
print(page)

通過urlencode（）轉換後的data數據爲?first=true?pn=1?kd=Python，最後提交的url爲

http://www.lagou.com/jobs/positionAjax.json?first=true?pn=1?kd=Python

Post的數據必須是bytes或者iterable of bytes，不能是str，所以須要進行encode（）編碼

用來包裝頭部的數據：

-         User-Agent ：這個頭部能夠攜帶以下幾條信息：瀏覽器名和版本號、操做系統名和版本號、默認語言

-         Referer：能夠用來防止盜鏈，有一些網站圖片顯示來源http://***.com，就是檢查Referer來鑑定的

-         Connection：表示鏈接狀態，記錄Session的狀態。

3.Post數據

urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)

urlopen（）的data參數默認爲None，當data參數不爲空的時候，urlopen（）提交方式爲Post。

from urllib import request, parse

url = r'http://www.lagou.com/jobs/positionAjax.json?'
headers = {
    'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
                  r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
    'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label',
    'Connection': 'keep-alive'
}
data = {
    'first': 'true',
    'pn': 1,
    'kd': 'Python'
}
data = parse.urlencode(data).encode('utf-8')
req = request.Request(url, headers=headers, data=data)
page = request.urlopen(req).read()
page = page.decode('utf-8')
print(page)

urllib.parse.urlencode(query, doseq=False, safe='', encoding=None, errors=None)

urlencode（）主要做用就是將url附上要提交的數據。 

通過urlencode（）轉換後的data數據爲?first=true?pn=1?kd=Python，最後提交的url爲

http://www.lagou.com/jobs/positionAjax.json?first=true?pn=1?kd=Python

Post的數據必須是bytes或者iterable of bytes，不能是str，所以須要進行encode（）編碼

 

 

注：此篇文章寫的更詳細些：

https://yq.aliyun.com/ziliao/109346