Python学习笔记__12.9章 urlib
# 这是学习廖雪峰老师python教程的学习笔记1、概览
urllib提供了一系列用于操作URL的功能。
urllib中包括了四个模块，包括
[*] urllib.request：可以用来发送request和获取request的结果
[*] urllib.error：包含了urllib.request产生的异常
[*] urllib.parse：用来解析和处理URL
[*] urllib.robotparse：用来解析页面的robots.txt文件
1.1、urllib.request
urllib的request模块可以非常方便地抓取URL内容。
它会先发送一个GET请求到指定的页面，然后返回HTTP的响应：
1）对豆瓣的一个URL进行抓取，并返回响应
from urllib import request
# request模块调用urlopen方法打开网址
with request.urlopen('https://api.douban.com/v2/book/2129650') as f:
data = f.read() #返回的网页内容
print('Status:', f.status, f.reason)
for k, v in f.getheaders():
print('%s: %s' % (k, v))
print('Data:', data.decode('utf-8'))
2）模拟iPhone 6去请求豆瓣首页
模拟浏览器发送GET请求，使用Request对象。通过往Request对象添加HTTP头，我们就可以把请求伪装成各种浏览器
from urllib import request
req = request.Request('http://www.douban.com/') #创建了一个Request对象 req是类
# 添加请求的头信息
req.add_header('User-Agent', 'Mozilla/6.0 (iPhone; CPU iPhone OS 8_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) Version/8.0 Mobile/10A5376e Safari/8536.25')
with request.urlopen(req) as f: #将Request对象作为url传入
print('Status:', f.status, f.reason)
for k, v in f.getheaders():
print('%s: %s' % (k, v))
print('Data:', f.read().decode('utf-8'))
1.2、Post
如果要以POST发送一个请求，只需要把参数data以bytes形式传入。
1）我们模拟一个微博登录，先读取登录的邮箱和口令，然后按照weibo.cn的登录页的格式以username=xxx&password=xxx的编码传入
from urllib import request, parse
print('Login to weibo.cn...')
email = input('Email: ')
passwd = input('Password: ')
login_data = parse.urlencode([# 用parse的urlencode方法，对要传过去的数据进行编码
('username', email),
('password', passwd),
('entry', 'mweibo'),
('client_id', ''),
('savestate', '1'),
('ec', ''),
('pagerefer', 'https://passport.weibo.cn/signin/welcome?entry=mweibo&r=http%3A%2F%2Fm.weibo.cn%2F')
])
req = request.Request('https://passport.weibo.cn/sso/login') # 创建Request 对象
req.add_header('Origin', 'https://passport.weibo.cn')
req.add_header('User-Agent', 'Mozilla/6.0 (iPhone; CPU iPhone OS 8_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) Version/8.0 Mobile/10A5376e Safari/8536.25')
req.add_header('Referer', 'https://passport.weibo.cn/signin/login?entry=mweibo&res=wel&wm=3349&r=http%3A%2F%2Fm.weibo.cn%2F')
with request.urlopen(req, data=login_data.encode('utf-8')) as f: #data用来指明发往服务器请求中的额外的信息
print('Status:', f.status, f.reason)
for k, v in f.getheaders():
print('%s: %s' % (k, v))
print('Data:', f.read().decode('utf-8'))
1.3、Header
1）如果还需要更复杂的控制，比如通过一个Proxy去访问网站，我们需要利用ProxyHandler来处理
proxy_handler = urllib.request.ProxyHandler({'http': 'http://www.example.com:3128/'}) #创建代理
proxy_auth_handler = urllib.request.ProxyBasicAuthHandler()#设置基础认证管理，用代理处理身份认证
#> # 用一个使用编程提供的代理url（’host‘）替换默认的ProxyHandler
proxy_auth_handler.add_password('realm', 'host', 'username', 'password')
opener = urllib.request.build_opener(proxy_handler, proxy_auth_handler) # 返回一个 OpenerDirector 实例
with opener.open('http://www.example.com/login.html') as f:# 访问网址
pass
1.4、小结
urllib提供的功能就是利用程序去执行各种HTTP请求。如果要模拟浏览器完成特定功能，需要把请求伪装成浏览器。伪装的方法是先监控浏览器发出的请求，再根据浏览器的请求头来伪装，User-Agent头就是用来标识浏览器的。
1.5、扩展文档
python3网络爬虫一《使用urllib.request发送请求》 (https://blog.csdn.net/bo_mask/article/details/76067790)
Python中urlopen()介绍 (https://www.cnblogs.com/zyq-blog/p/5606760.html)
python 爬虫之为什么使用opener对象以及为什么要创建全局默认的opener对象 (https://www.cnblogs.com/cunyusup/p/7341829.html)
2、例子
1、利用urllib读取JSON，然后将JSON解析为Python对象：
# -*- coding: utf-8 -*-
from urllib import request
import json
def fetch_data(url):
with request.urlopen(url) as f:
data = json.loads(f.read().decode('utf-8')) #将读到的网页内容解码，再由json.loads()反序列化为Python对象
return data
# 测试
URL = 'https://query.yahooapis.com/v1/public/yql?q=select%20*%20from%20weather.forecast%20where%20woeid%20%3D%202151330&format=json'
data = fetch_data(URL)
print(data)
assert data['query']['results']['channel']['location']['city'] == 'Beijing'
print('ok')
页:
[1]