Python3爬虫(2)_利用urllib.urlopen发送数据获得反馈信息

一、urlopen的url参数 Agent

 url不仅可以是一个字符串，例如:https://baike.baidu.com/。url也可以是一个Request对象，这就需要我们先定义一个Request对象，然后将这个Request对象作为urlopen的参数使用，

代码:

from urllib import request

if __name__ == "__main__":
    req = request.Request("https://baike.baidu.com//")
    response = request.urlopen(req)
    html = response.read()
    html = html.decode("utf-8")
    print(html)

运行之后，结果就不做展示了。

urlopen()返回的对象，可以使用read()进行读取，同样也可以使用geturl()方法、info()方法、getcode()方法。

• geturl()返回的是一个url的字符串；

• info()返回的是一些meta标记的元信息，包括一些服务器的信息；

• getcode()返回的是HTTP的状态码，如果返回200表示请求成功。

下面更新代码，进行下面的测试：

from urllib import request

if __name__=="__main__":
    re=request.Request("http://baike.baidu.com")
    response=request.urlopen(re)
    print("geturl打印信息：%s"%(response.geturl()))
    print('**********************************************')
    print("info打印信息：%s"%(response.info()))
    print('**********************************************')
    print("getcode打印信息：%s"%(response.getcode()))

二、urlopen的data参数

    我们可以使用data参数，向服务器发送数据。根据HTTP规范，GET用于信息获取，POST是向服务器提交数据的一种请求，再换句话说：

    从客户端向服务器提交数据使用POST；

    从服务器获得数据到客户端使用GET(GET也可以提交，暂不考虑)。

    如果没有设置urlopen()函数的data参数，HTTP请求采用GET方式，也就是我们从服务器获取信息，如果我们设置data参数，HTTP请求采用POST方式，也就是我们向服务器传递数据。

    data参数有自己的格式，它是一个基于application/x-www.form-urlencoded的格式，具体格式我们不用了解， 因为我们可以使用urllib.parse.urlencode()函数将字符串自动转换成上面所说的格式。

三、发送data实例

遇到一些问题，我也暂时使用有道翻译，以后有好的方法更新这部分关于百度百科的爬取。

向有道翻译发送数据，得到网页反馈：

1.打开界面

2.鼠标右键检查元素

3.选择网络/network

4.在搜索输入框 输入查找内容，“network”界面出现了大量内容。

5.得到下方内容：

编写新程序：

 

from urllib import request
from urllib import parse
import json

if __name__ == "__main__":
    Request_URL = 'http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule'
    Form_Data = {}
    Form_Data['i'] = 'Web'
    Form_Data['from'] = 'AUTO'
    Form_Data['to'] = 'AUTO'
    Form_Data['smartresult'] = 'dict'
    Form_Data['client'] = 'fanyideskweb'
    Form_Data['salt'] = '1524700622507'
    Form_Data['sign'] = 'c8c86253bcfb23d8405ab58cc0d2b5fa'
    Form_Data['doctype'] = 'json'
    Form_Data['xmlVersion'] = '2.1'
    Form_Data['keyfrom'] = 'fanyi.web'
    Form_Data['action'] = 'FY_BY_CLICKBUTTON'
    data = parse.urlencode(Form_Data).encode('utf-8')
    response = request.urlopen(Request_URL,data)
    html = response.read().decode('utf-8')
    translate_results = json.loads(html)
    translate_results = translate_results['translateResult'][0][0]['tgt']
    print("翻译的结果是：%s" % translate_results)

报错：

RESTART: C:\Users\DELL\AppData\Local\Programs\Python\Python36\urllib_test01.py
Traceback (most recent call last):
File "C:\Users\DELL\AppData\Local\Programs\Python\Python36\urllib_test01.py", line 23, in <module>
translate_results = translate_results['translateResult'][0][0]['tgt']
KeyError: 'translateResult'

这是因为data['salt']是时间戳,data['sign']是时间戳和翻译内容加密后生成的，因为不知道网站的加密方法，

在这里选择调整uri和data，并根据http://bbs.fishc.com/thread-98973-1-1.html这里的帖子做出调整：

import os,urllib.request
import urllib.parse
import json
a = 5
while a > 0:
        txt = input('输入要翻译的内容:')
        if txt == '0':
                break
                
        else:
                url = 'http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&sessionFrom=https://www.baidu.com/link'
                data = {
                'from':'AUTO',
                'to':'AUTO',
                'smartresult':'dict',
                'client':'fanyideskweb',
                'salt':'1524700622507',
                'sign':'c8c86253bcfb23d8405ab58cc0d2b5fa',
                'doctype':'json',
                'version':'2.1',
                'keyfrom':'fanyi.web',
                'action':'FY_BY_CL1CKBUTTON',
                'typoResult':'false'}

                data['i'] = 'Web'

                data = urllib.parse.urlencode(data).encode('utf - 8')
                wy = urllib.request.urlopen(url,data)
                html = wy.read().decode('utf - 8')
                print(html)

                ta = json.loads(html)
                print('翻译结果: %s '% (ta['translateResult'][0][0]['tgt']))
                a = a - 1

结果为:

      JSON是一种轻量级的数据交换格式，我们需要在爬取到的内容中找到JSON格式的数据，再将得到的JSON格式的翻译结果进行解析。

     总而言之，这部分的内容我终于结束了，debug太耗费时间了！