python3 urllib的用法，python3urllib用法

python3 urllib的用法，python3urllib用法
1.基本方法urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)

-         url:  需要開啟的網址

-         data：Post提交的資料

-         timeout：設定網站的訪問逾時時間

直接用urllib.request模組的urlopen（）擷取頁面，page的資料格式為bytes類型，需要decode（）解碼，轉換成str類型。

1 from urllib import request2 response = request.urlopen(r'http://python.org/') # <http.client.HTTPResponse object at 0x00000000048BC908> HTTPResponse類型3 page = response.read()4 page = page.decode('utf-8')

urlopen返回對象提供方法：

-         read() , readline() ,readlines() , fileno() , close() ：對HTTPResponse類型資料進行操作

-         info()：返回HTTPMessage對象，表示遠程伺服器返回的頭資訊

-         getcode()：返回Http狀態代碼。如果是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（）來封裝請求，再通過urlopen（）擷取頁面。

 1 url = r'http://www.lagou.com/zhaopin/Python/?labelWords=label' 2 headers = { 3     'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ' 4                   r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3', 5     'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label', 6     'Connection': 'keep-alive' 7 } 8 req = request.Request(url, headers=headers) 9 page = request.urlopen(req).read()10 page = page.decode('utf-8')

用來封裝頭部的資料：

-         User-Agent ：這個頭部可以攜帶如下幾條資訊：瀏覽器名和版本號碼、作業系統名和版本號碼、預設語言

-         Referer：可以用來防止盜鏈，有一些網站圖片顯示來源http://***.com，就是檢查Referer來評鑑的

-         Connection：表示串連狀態，記錄Session的狀態。

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

urlopen（）的data參數預設為None，當data參數不為空白的時候，urlopen（）提交方式為Post。

 1 from urllib import request, parse 2 url = r'http://www.lagou.com/jobs/positionAjax.json?' 3 headers = { 4     'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ' 5                   r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3', 6     'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label', 7     'Connection': 'keep-alive' 8 } 9 data = {10     'first': 'true',11     'pn': 1,12     'kd': 'Python'13 }14 data = parse.urlencode(data).encode('utf-8')15 req = request.Request(url, headers=headers, data=data)16 page = request.urlopen(req).read()17 page = page.decode('utf-8')

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

urlencode（）主要作用就是將url附上要提交的資料。 

1 data = {2     'first': 'true',3     'pn': 1,4     'kd': 'Python'5 }6 data = parse.urlencode(data).encode('utf-8')

經過urlencode（）轉換後的data資料為?first=true?pn=1?kd=Python，最後提交的url為

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

Post的資料必須是bytes或者iterable of bytes，不能是str，因此需要進行encode（）編碼

1 page = request.urlopen(req, data=data).read()

當然，也可以把data的資料封裝在urlopen（）參數中

4.異常處理

 1 def get_page(url): 2     headers = { 3         'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ' 4                     r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3', 5         'Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label', 6         'Connection': 'keep-alive' 7     } 8     data = { 9         'first': 'true',10         'pn': 1,11         'kd': 'Python'12     }13     data = parse.urlencode(data).encode('utf-8')14     req = request.Request(url, headers=headers)15     try:16         page = request.urlopen(req, data=data).read()17         page = page.decode('utf-8')18     except error.HTTPError as e:19         print(e.code())20         print(e.read().decode('utf-8'))21     return page

5、使用代理  urllib.request. ProxyHandler( proxies=None)

當需要抓取的網站設定了訪問限制，這時就需要用到代理來抓取資料。

 1 data = { 2         'first': 'true', 3         'pn': 1, 4         'kd': 'Python' 5     } 6 proxy = request.ProxyHandler({'http': '5.22.195.215:80'})  # 設定proxy 7 opener = request.build_opener(proxy)  # 掛載opener 8 request.install_opener(opener)  # 安裝opener 9 data = parse.urlencode(data).encode('utf-8')10 page = opener.open(url, data).read()11 page = page.decode('utf-8')12 return page