Python3中的HTTP请求库——urllib

off999 2024-11-09 12:56 20 浏览 0 评论

urllib 是 Python3 中自带的 HTTP 请求库，可以用于打开和读取 URL，解析 URL，处理异常，以及模拟浏览器的请求头等功能。urllib 包含四个模块，分别是：

urllib.request - 用于打开和读取 URL，支持 GET 和 POST 方法，以及添加请求头等。
urllib.error - 用于处理 urllib.request 抛出的异常，如 HTTPError, URLError 等。
urllib.parse - 用于解析 URL，包括编码和解码，拼接和分割等。
urllib.robotparser - 用于解析 robots.txt 文件，判断哪些内容可以抓取，哪些不可以。

urllib 的基本用法是使用 urllib.request.urlopen 函数来打开一个 URL，返回一个类文件对象，可以使用 read, readline, readlines 等方法来读取网页内容。例如：

from urllib.request import urlopen
myURL = urlopen("https://www.runoob.com/")
print(myURL.read().decode("utf-8"))

如果要发送数据或者添加请求头，可以使用 urllib.request.Request 类来构造一个请求对象，然后传给 urlopen 函数。例如：

from urllib.request import Request, urlopen
from urllib.parse import urlencode
url = "http://httpbin.org/post"
data = bytes(urlencode({"name": "WenAn"}), encoding="utf-8")
headers = {"User-Agent": "Mozilla/5.0"}
request = Request(url, data=data, headers=headers, method="POST")
response = urlopen(request)
print(response.read().decode("utf-8"))

urllib.parse 模块提供了一些函数来处理 URL，如 quote, unquote, urlencode, parse_qs, urlparse 等。例如：

from urllib.parse import quote, unquote, urlencode, parse_qs, urlparse
url = "https://www.runoob.com/?s=Python"
print(quote(url)) # 编码
print(unquote(quote(url))) # 解码
print(urlencode({"name": "WenAn"})) # 将字典转换为查询字符串
print(parse_qs(urlencode({"name": "WenAn"}))) # 将查询字符串转换为字典
print(urlparse(url)) # 将 URL 分割为六个部分

urllib.error 模块提供了一些异常类来处理 urllib.request 抛出的错误，如 HTTPError, URLError, ContentTooShortError 等。例如：

from urllib.request import urlopen
from urllib.error import HTTPError, URLError
try:
    response = urlopen("https://www.runoob.com/no.html")
except HTTPError as e:
    print(e.code, e.reason, e.headers, sep="\n")
except URLError as e:
    print(e.reason)
else:
    print("Request Successfully")

urllib.robotparser 模块提供了一个 RobotFileParser 类来解析 robots.txt 文件，判断哪些内容可以抓取，哪些不可以。例如：

from urllib.robotparser import RobotFileParser
rp = RobotFileParser()
rp.set_url("https://www.runoob.com/robots.txt")
rp.read()
print(rp.can_fetch("*", "https://www.runoob.com/")) # True
print(rp.can_fetch("*", "https://www.runoob.com/wp-admin/")) # False

python3官网