概述
urllib是python最基础、最核心的HTTP协议支持库,诸多第三方库都依赖urllib,所以urllib是必须掌握的HTTP库。
掌握了urllib有利于:
-
深入理解http协议
-
可以更好的学习和掌握第三方http库
-
快速的开展基于http的接口测试
-
快速进入爬虫学习之路
urllib组成
我们一起看下urllib由哪些模块或类构成:
-
urllib.request
用于构建http请求 -
urllib.response
用于处理http响应值的类 -
urllib.parse 用于url处理
-
urllib.error
用于错误处理 -
urllib.robotparser
用于处理robot.txt文件
爬取数据实例
下面我们基于豆瓣网的API来看看代码实例
豆瓣网API网址:https://developers.douban.com/wiki/?title=guide
下面的实例演示了如何使用豆瓣网的API 进行数据爬取,从而演示urllib的强大能力。
请勿使用下述代码持续爬取数据
请勿使用下述代码持续爬取数据
请勿使用下述代码持续爬取数据
#
-*- coding:utf-8 -*-
__author__ = ‘谷白‘import urllib.request
import csv
import codecs
if__name__ == "__main__":
print("urllib爬取豆瓣网数据示例")
print("搜索下关键字: Python")
url = "https://api.douban.com/v2/book/search?q=python"
response = urllib.request.urlopen(url)
# 将bytes数据流解码成string
ebook_str = response.read().decode()
# 将string转换成dict
ebook_dict = eval(ebook_str)
#print(ebook_dict)#print(type(ebook_dict))
count = ebook_dict["count"]
total = ebook_dict["total"]
with codecs.open(‘books.csv‘, ‘w‘, ‘utf-8‘) as csvfile:
spamwriter = csv.writer(csvfile, delimiter=‘,‘,
quotechar=‘|‘, quoting=csv.QUOTE_MINIMAL)
spamwriter.writerow(["书名", "作者", "描述", "出版社", "价格"])
# 写书信息 for book in ebook_dict["books"]:
spamwriter.writerow([book["title"],
",".join(book["author"]),
book["summary"],
book["publisher"],
book["price"]])
# 从第2页开始,获取其他书籍信息 # 这段代码采集了大量数据,容易被封IP,所以注释了"""
for start in range(1, int(total / count) + 1):
url = "https://api.douban.com/v2/book/search?q=python&start=%d" % start
try:
response = urllib.request.urlopen(url)
except:
print("别老爬别人的数据,要爬也别太快,会被封IP的")
break
# 将bytes数据流解码成string
ebook_str = response.read().decode()
# 将string转换成dict
ebook_dict = eval(ebook_str)
# 输出书籍信息
for book in ebook_dict["books"]:
spamwriter.writerow([book["title"],
",".join(book["author"]),
book["summary"],
book["publisher"],
book["price"]])
"""print("总计搜索了 %d 本书的信息" % total)
请勿使用上述代码持续爬取数据
请勿使用上述代码持续爬取数据
请勿使用上述代码持续爬取数据
对于其他的接口,这里就不再演示。
基本功能实例
下面我们演示下urllib基本功能实例,例如如何获取返回码等等基本信息。
#
-*- coding:utf-8 -*-
__author__ = ‘谷白‘import urllib.request
if__name__ == "__main__":
print("urllib基本实例")
url = "http://www.baidu.com"# 访问下百度
response = urllib.request.urlopen(url)
# 打印下状态码print(response.status)
# 打印下状态码对应的可读性文字说明,例如在http协议里,200 对应 OKprint(response.reason)
# 打印下请求返回的headerprint(response.headers)
# 打印下请求返回的数据print(response.read().decode("utf-8"))
上述仅仅是urllib的基本功能,还有更强大的功能,我们后续再分享。
原文:http://www.cnblogs.com/igubai/p/7500020.html
【说明】:本文章由站长整理发布,文章内容不代表本站观点,如文中有侵权行为,请与本站客服联系(QQ:254677821)!