Python 3.6模块学习urllib的urllib.request.urlopen（）函数学习

urllib提供了一系列用于操作URL的功能。包含urllib.request,urllib.error,urllib.parse,urllib.robotparser四个子模块。

官网资料如下：

urllib is a package that collects several modules for working with URLs:

• urllib.request for opening and reading URLs
• urllib.error containing the exceptions raised by urllib.request
• urllib.parse for parsing URLs
• urllib.robotparser for parsing robots.txt files

翻译后：

• urllib.request打开和浏览url中内容 
• urllib.error包含从 urllib.request发生的错误或异常 
• urllib.parse解析url 
• urllib.robotparser解析 robots.txt文件

urllib.request模块中最常用的函数为 urllib.request. urlopen（）

urllib.request.urlopen函数参数如下：

urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)

-         url:  需要打开的网址

-         data：Post提交的数据

-         timeout：设置网站的访问超时时间

urlopen返回对象提供方法：

-         read() , readline() ,readlines() , fileno() , close() ：对HTTPResponse类型数据进行操作

-         info()：返回HTTPMessage对象，表示远程服务器返回的头信息

-         getcode()：返回Http状态码。如果是http请求，200请求成功完成 ; 404网址未找到

-         geturl()：返回请求的url

Get

urllib的request模块可以非常方便地抓取URL内容，当data参数为空的时候也就是发送一个GET请求到指定的页面，然后返回HTTP的响应：

例如对百度的一个URLhttps://www.baidu.com/进行抓取，并返回响应：

from urllib import request

with request.urlopen('https://www.baidu.com/') as f:
    data = f.read()
    print('Status:', f.status, f.reason)
    print('Data:', data)

运行程序可以得到如下：

Status: 200 OK
Data: b'\r\n\r\n\t\r\n\r\n\r\n\t\r\n\r\n

这时我们发现Data内容与网页内容有几分差异

Data的数据格式为bytes类型，需要decode（）解码，转换成str类型。

   print('Data:', data.decode('utf-8'))

  把得到的Data变为 utf-8编码形式，变化后如下：

Data: 



	





	

这样得到的内容就可以与网页编码内容一样了

Post

如果要以POST发送一个请求，

urllib.request.urlopen(url,data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)

urlopen（）的data参数默认为None，当data参数不为空的时候，urlopen（）提交方式为Post。

Post的数据必须是bytes或者iterable of bytes，不能是str，如果是str需要进行encode（）编码

使用Request包装请求

urllib.request.Request(url, data=None, headers={}, method=None)

使用request（）来包装请求，再通过urlopen（）获取页面。

url= r'http://www.xxxxxxxxxxxxxxxx.com'
headers = {
    'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
                  r'Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3',
    'Referer': r'http://www.xxxxxxxxxxxxxxxx.com',
    'Connection': 'keep-alive'
}
req = request.Request(url, headers=headers)
page = request.urlopen(req).read()
page = page.decode('utf-8')

用来包装头部的数据：

-         User-Agent ：这个头部可以携带如下几条信息：浏览器名和版本号、操作系统名和版本号、默认语言

-         Referer：可以用来防止盗链，有一些网站图片显示来源http://***.com，就是检查Referer来鉴定的

-         Connection：表示连接状态，记录Session的状态。

Python官网request库链接