python-标准库urllib模块

1. python标准库urllib模块

• urllib库用于访问URL。

• urllib包含以下类：

  • urllib.request打开和读取URL

  • urllib.error包含urllib.request抛出的异常

  • urllib.parse用于解析URL

  • urllib.robotparser用于解析robots.txt文件

• 用的最多是urllib.request 类，它定义了适用于在各种复杂情况下打开URL，例如基本认证、重定向、Cookie、代理等。

• urllib的request方法

  from urllib import request
  res = request.urlopen("http://www.ctnrs.com")
  

  res是一个HTTPResponse类型的对象，包含以下方法和属性：

  方法	描述
  getcode()	获取响应的HTTP状态码
  geturl()	返回真实URL。有可能URL3xx跳转，那么这个将获得跳转后的URL
  headers	返回服务器header信息
  read(size=-1)	返回网页所有内容。size正整数指定读取多少字节
  readline(limit=-1)	读取下一行。size正整数指定读取多少字节
  readlines(hint=0, /)	列表形式返回网页所有内容，以列表形式返回。sizehint正整数指定读取多少字节

• 示例

  • 示例1、自定义用户代理

    from urllib import request
    url = "http://www.ctnrs.com"
    user_agent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36"
    header = {"User-Agent": user_agent}
    req = request.Request(url, headers=header)
    res = request.urlopen(req)
    print(res.getcode())
    

  • 示例2、向接口提交用户数据

    from urllib import request, parse
    url = "http://www.ctnrs.com/login"
    post_data = {"username":"user1","password":"123456"}
    post_data = parse.urlencode(post_data).encode("utf8") #将字典转为URL查询字符串格式，并转为bytes类型
    req = request.Request(url, data=post_data, headers=header)
    res = request.urlopen(req)
    print(res.read())