如何在python項目中使用urllib.request模塊

今天就跟大家聊聊有關如何在python項目中使用urllib.request模塊，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

urllib子模塊

• urllib.request 打開或請求url

• urllib.error 捕獲處理請求時產(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)絡爬蟲服務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對象，并可以調(diào)用相應的方法獲取返回的信息。其中對于http及https的url來說會返回一個http.client.HTTPResponse對象；

import urllib.request
# 我們用本地的一個簡單html文件來測試
url = 'http://127.0.0.1:8848/chenjy/test.html'

req = urllib.request.urlopen(url)

print(req)

1. read() 返回服務器返回的原始數(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)建一個測試頁
  

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
  

我們在頁面中添加js腳本重定向頁面window.location.href='http://127.0.0.1:8848/chenjy/test2.html';，會發(fā)現(xiàn)訪問的時候會重定向到test2，但是geturl還是獲取的重定向前的

• 后端重定向
  

我們啟動一個項目并添加一個攔截器當訪問index.html的時候重定向到/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請求類 Request(url, data=None, headers={}, origin_req_host=None, unverifiable=False, method=None)

• url：請求url

• data：請求傳參；bytes字節(jié)流

• headers：請求頭

• origin_req_host：請求原始主機；不帶端口

• unverifiable：是否不可驗證；

• method ：請求方法；如GET、POST、PUT等

import urllib.request

# 模擬iphone5請求百度手機版頁面
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)

看完上述內(nèi)容，你們對如何在python項目中使用urllib.request模塊有進一步的了解嗎？如果還想了解更多知識或者相關內(nèi)容，請關注億速云行業(yè)資訊頻道，感謝大家的支持。