python|python urllib.request模块的使用详解 pythonurllib.request模块的使用详解

urllib子模块
request模块

function request.urlopen()
class request.Request

python的urllib模块提供了一系列操作url的功能，可以让我们通过url打开任意资源。其中比较常用的就是request模块，本篇主要介绍requset模块。

urllib子模块

urllib.request 打开或请求url
urllib.error 捕获处理请求时产生的异常
urllib.parse 解析url
urllib.robotparser 用于解析robots.txt文件

robots.txt是一种存放于网站根目录下文本文件，用来告诉网络爬虫服务器上的那些文件可以被查看。又被成为robots协议，是一种约定俗成的协议。

request模块

function request.urlopen()

urlopen方法用来打开资源url，常用带参数形式urlopen(url,data=https://www.it610.com/article/None)，url：资源url，data：携带的数据。
方法的返回值始终为一个对象，并可以调用相应的方法获取返回的信息。其中对于http及https的url来说会返回一个http.client.HTTPResponse对象；

import urllib.request# 我们用本地的一个简单html文件来测试url = 'http://127.0.0.1:8848/chenjy/test.html'req = urllib.request.urlopen(url)print(req)

文章图片

1. read() 返回服务器返回的原始数据；

import urllib.requesturl ='http://127.0.0.1:8848/chenjy/test.html'req = urllib.request.urlopen(url)print(req.read())

文章图片

我们可以再调用decode()方法来解码。

import urllib.requesturl = 'http://127.0.0.1:8848/chenjy/test.html'req = urllib.request.urlopen(url)print(req.read().decode())

文章图片

2.geturl() 返回获取资源的url；

创建一个测试页

import urllib.requesturl = 'http://127.0.0.1:8848/chenjy/test.html' req = urllib.request.urlopen(url)print(req.geturl())

文章图片

前端重定向

我们在页面中添加js脚本重定向页面window.location.href='http://127.0.0.1:8848/chenjy/test2.html'; ，会发现访问的时候会重定向到test2，但是geturl还是获取的重定向前的

文章图片

后端重定向

我们启动一个项目并添加一个拦截器当访问index.html的时候重定向到/ls/html/list.html页面,geturl获取的是重定向后的页面

@Overridepublic 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.requesturl = 'http://localhost:8088/ls/index.html'req = urllib.request.urlopen(url)print(req.geturl())

文章图片

3.info() 返回页面的元信息；

import urllib.requesturl = 'http://127.0.0.1:8848/chenjy/test.html'req = urllib.request.urlopen(url)print(req.info())

文章图片

4.getcode() 返回页面的状态码；

import urllib.requesturl = 'http://127.0.0.1:8848/chenjy/test.html'req = urllib.request.urlopen(url)print(req.getcode())

文章图片

class request.Request

url请求类 Request(url, data=https://www.it610.com/article/None, headers={}, origin_req_host=None, unverifiable=False, method=None)

url：请求url
data：请求传参；bytes字节流
headers：请求头
origin_req_host：请求原始主机；不带端口
unverifiable：是否不可验证；
method ：请求方法；如GET、POST、PUT等

import urllib.request# 模拟iphone5请求百度手机版页面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)