本篇内容介绍了“Python urllib如何使用”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
urllib 库，它是 Python 内置的 HTTP 请求库，不需要额外安装即可使用，它包含四个模块：
`request` 请求模块，提供最基本的 `HTTP` 请求处理。 `parse` 工具模块，提供处理 `url` 的很多方法：拆分、解析、合并等等。 `error` 异常处理模块，如果出现请求错误，可以捕获这些错误，保证程序不会意外终止。 `robotparser` 模块，主要用来识别网站的 `robots.txt` 文件，判断哪些网站可以爬取，用的比较少。
1、urlopen：打开一个指定 URL，然后使用 read() 获取网页的 HTML 实体代码。
# 使用 urllib import urllib.request # 1、定义一个 url url = 'http://www.baidu.com' # 2、模拟浏览器向服务器发送请求 response = urllib.request.urlopen(url) # 3、获取响应数据中的页面源码（注意：read() 返回的是字节形式的二进制数据，返回数据会被 b'xxx' 进行包裹） content = response.read() # 4、输出二进制数据 content print(content) # 输出结果：b'<html>\r\n<head>\r\n\t<script>\r\n\t\tlocation.replace(location.href.replace("https://","http://"));\r\n\t</script>\r\n</head>\r\n<body>\r\n\t<noscript><meta http-equiv="refresh" content="0;url=http://www.baidu.com/"></noscript>\r\n</body>\r\n</html>' # 5、将二进制数据转成字符串，这里需要网页对应的编码格式（例如：<meta http-equiv="Content-Type" content="text/html;charset=utf-8">），charset= 的就是编码格式 utf-8 content = content.decode('utf-8') # 6、输出字符串 content print(content)
2、response：响应的数据对象 HTTPResponse 类型
# 使用 urllib import urllib.request # 1、定义一个 url url = 'http://www.baidu.com' # 2、模拟浏览器向服务器发送请求 response = urllib.request.urlopen(url) # response 是 http.client.HTTPResponse 类型 print(type(response)) # read 方法是按照一个字节一个字节的去读取内容 content = response.read() print(content) # read 方法可以指定读取多少个字节 content = response.read(50) print(content) # 读取一行 content = response.readline() print(content) # 读取所有行 content = response.readlines() print(content) # 获取状态码 print(response.getcode()) # 获取访问的链接地址 print(response.geturl()) # 获取 headers print(response.getheaders())
3、Request：自定义请求对象
# 使用 urllib import urllib.request # url 的组成 # https://www.baidu.com/s?wd=123 # 协议 主机 端口号 路径 参数 锚点 # http/https www.baidu.com 80 s wd # # http 80 # https 443 # mysql 3306 # oracle 1521 # redis 6379 # mongdb 27017 # 1、定义一个 https 的 url url = 'https://www.baidu.com' # 2、模拟浏览器向服务器发送请求 response = urllib.request.urlopen(url) # 3、获取内容字符串 content = response.read().decode('utf-8') # 4 会发现直接这么拿回来的数据不完整，这就是反扒的其中一种，代表给到服务器识别的信息不完整，比如 header 头里面的请求信息缺少。 print(content) # 解决方式： # 定义 header headers = { # UA 最基本的防爬识别 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36' } # 1、定义一个 https 的 url url = 'https://www.baidu.com' # 2、定义一个 Request 对象，urlopen 方法并不能直接带 header。 # 细节：为什么这里需要写 url=url 而有的地方不需要？因为 Request 构造方法传参顺序问题 Request(url, data=None, headers={} ...) request = urllib.request.Request(url=url, headers=headers) # 3、模拟浏览器向服务器发送请求 response = urllib.request.urlopen(request) # 3、获取内容字符串 content = response.read().decode('utf-8') # 4 输出 print(content)
4、urlretrieve：下载（例如：图片、视频、网页源码…）
# 使用 urllib import urllib.request # 下载网页 url = 'http://www.baidu.com' # 参数1：页面地址，参数2：文件名称（或路径与名称，例如：./test/baidu.html、baidu.html，不指定路径默认当前） urllib.request.urlretrieve(url, 'baidu.html') # 下载图片 url = 'https://gimg2.baidu.com/image_search/src=http%3A%2F%2Fpic1.win4000.com%2Fwallpaper%2F8%2F55402f62682e3.jpg&refer=http%3A%2F%2Fpic1.win4000.com&app=2002&size=f9999,10000&q=a80&n=0&g=0n&fmt=auto?sec=1670904201&t=2dc001fbd959432efe8b8ee0792589ba' # 参数1：页面地址，参数2：文件名称（或路径与名称，例如：./test/baidu.html、baidu.html，不指定路径默认当前） urllib.request.urlretrieve(url, 'dzm.jpg')
1、quote：（GET）参数进行 unicode 编码
quote 会对参数进行 unicode 编码，但是得一个一个参数的进行转换，在进行拼接，在多个参数时使用起来比较麻烦。
# 使用 urllib
import urllib.request
# 定义 header
headers = {
# UA 最基本的防爬识别
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36'
}
# 1、定义一个 https 的 url
# 这种中文写法会报错，因为 ascii 检索不到
# url = 'https://www.baidu.com/s?wd=卡尔特斯CSDN'
# 也就是需要 `卡尔特斯CSDN` 变成 unicode 编码格式，例如这样：
# url = 'https://www.baidu.com/s?wd=%E5%8D%A1%E5%B0%94%E7%89%B9%E6%96%AFCSDN'
# 准备基础地址（不能整个链接去进行 quote 转换）(GET)
url = 'https://www.baidu.com/s?wd='
# 通过 urllib.parse.quote() 进行转换
wd = urllib.parse.quote('卡尔特斯CSDN')
# print(wd) # %E5%8D%A1%E5%B0%94%E7%89%B9%E6%96%AFCSDN
# 拼接起来
url = url + wd
# 2、定义一个 Request 对象，urlopen 方法并不能直接带 header。
# 细节：为什么这里需要写 url=url 而有的地方不需要？因为 Request 构造方法传参顺序问题 Request(url, data=None, headers={} ...)
request = urllib.request.Request(url=url, headers=headers)
# 3、模拟浏览器向服务器发送请求
response = urllib.request.urlopen(request)
# 3、获取内容字符串
content = response.read().decode('utf-8')
# 4 输出
print(content)2、urlencode：（GET）参数进行 unicode 编码
urlencode 会对多个参数进行 unicode 编码。
# 使用 urllib
import urllib.request
# 定义 header
headers = {
# UA 最基本的防爬识别
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36'
}
# 1、定义一个 https 的 url
# 这种中文写法会报错，因为 ascii 检索不到
# url = 'https://www.baidu.com/s?wd=卡尔特斯CSDN&sex=男'
# 也就是需要 `卡尔特斯CSDN` 与 `男` 变成 unicode 编码格式，例如这样：
# url = 'https://www.baidu.com/s?wd=%E5%8D%A1%E5%B0%94%E7%89%B9%E6%96%AFCSDN&sex=%E7%94%B7'
# 准备基础地址（不能整个链接去进行 quote 转换）(GET)
url = 'https://www.baidu.com/s?'
# 参数
params = {
'wd': '卡尔特斯CSDN',
'sex': '男'
}
# 通过 urllib.parse.urlencode() 进行转换（多个参数）
str = urllib.parse.urlencode(params)
# print(str) # wd=%E5%8D%A1%E5%B0%94%E7%89%B9%E6%96%AFCSDN&sex=%E7%94%B7
# 通过 urllib.parse.quote() 进行转换（单个参数）
# wd = urllib.parse.urlencode('卡尔特斯CSDN')
# print(wd) # %E5%8D%A1%E5%B0%94%E7%89%B9%E6%96%AFCSDN
# 拼接起来
url = url + str
# 2、定义一个 Request 对象，urlopen 方法并不能直接带 header。
# 细节：为什么这里需要写 url=url 而有的地方不需要？因为 Request 构造方法传参顺序问题 Request(url, data=None, headers={} ...)
request = urllib.request.Request(url=url, headers=headers)
# 3、模拟浏览器向服务器发送请求
response = urllib.request.urlopen(request)
# 3、获取内容字符串
content = response.read().decode('utf-8')
# 4 输出
print(content)2、urlencode：（POST）参数进行 unicode 编码，附：Python爬虫Xpath定位数据的两种方法
# 使用 urllib
import urllib.request
# 使用 json
import json
# 定义 header
headers = {
# UA 最基本的防爬识别
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36'
}
# 请求地址（POST）
url = 'https://fanyi.baidu.com/sug'
# 参数
params = {
'kw': '名称'
}
# post 请求，参数不能进行拼接，需放到请求对象指定的参数对象中
# 通过 urllib.parse.urlencode() 进行转换（多个参数）
# str = urllib.parse.urlencode(params)
# 直接使用转换的参数字符串会报错：POST data should be bytes, an iterable of bytes, or a file object. It cannot be of type str.
# request = urllib.request.Request(url=url, data=str, headers=headers)
# 上面直接使用参数字符串会报错，是因为 post 请求参数必须要要进行编码，指定编码格式
data = urllib.parse.urlencode(params).encode('utf-8')
# 模拟浏览器向服务器发送请求
request = urllib.request.Request(url=url, data=data, headers=headers)
# 模拟浏览器向服务器发送请求
response = urllib.request.urlopen(request)
# 获取内容字符串
content = response.read().decode('utf-8')
# 将字符串转成 json
obj = json.loads(content)
# 输出 json
print(obj)1、HTTPError 类是 URLError 类的子类。
2、导入包分别是：urllib.error.URLError、urllib.error.HTTPError。
3、通过 urllib 发送请求的时候，有可能发送失败，可以通过 try-except 进行异常捕获，异常有两类：URLError 与 HTTPError 类。
# 使用 urllib
import urllib.request
# 使用 json
import json
# 定义 header
headers = {
# UA 最基本的防爬识别
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36'
}
# 请求地址（POST）
url = 'https://fanyi.baidu.com/sug'
# 参数
params = {
'kw': '名称'
}
# post 请求，参数不能进行拼接，需放到请求对象指定的参数对象中
# 通过 urllib.parse.urlencode() 进行转换（多个参数）
# str = urllib.parse.urlencode(params)
# 直接使用转换的参数字符串会报错：POST data should be bytes, an iterable of bytes, or a file object. It cannot be of type str.
# request = urllib.request.Request(url=url, data=str, headers=headers)
# 上面直接使用参数字符串会报错，是因为 post 请求参数必须要要进行编码，指定编码格式
data = urllib.parse.urlencode(params).encode('utf-8')
# 模拟浏览器向服务器发送请求
request = urllib.request.Request(url=url, data=data, headers=headers)
# 模拟浏览器向服务器发送请求
response = urllib.request.urlopen(request)
# 获取内容字符串
content = response.read().decode('utf-8')
# 将字符串转成 json
obj = json.loads(content)
# 输出 json
print(obj)“Python urllib如何使用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
