from urllib.parse import urlparse 使用

一、介绍

定义了url的标准接口，实现url的各种抽取

parse模块的作用：url的解析，合并，编码，解码

 

二、代码

方法一：urlparse

实现url的识别和分段

from urllib import parse

url = 'https://www.cnblogs.com/angelyan/'
"""
url：待解析的url
scheme=''：假如解析的url没有协议,可以设置默认的协议,如果url有协议，设置此参数无效
allow_fragments=True：是否忽略锚点,默认为True表示不忽略,为False表示忽略
"""
result = parse.urlparse(url=url,scheme='http',allow_fragments=True)

print(result)
print(result.scheme)
"""
(scheme='https', netloc='www.cnblogs.com', path='/angelyan/', params='', query='', fragment='')
scheme:表示协议
netloc:域名
path:路径
params:参数
query:查询条件，一般都是get请求的url
fragment:锚点，用于直接定位页
面的下拉位置，跳转到网页的指定位置
"""

方法二：urlunparse

可以实现url的构造

url_parmas = ('https', 'www.cnblogs.com', '/angelyan/', '', 'name=maple', 'log')
#components:是一个可迭代对象，长度必须为6
result = parse.urlunparse(url_parmas)
print(result)

"""
https://www.cnblogs.com/angelyan/?name=maple#log
"""

方法三：urljoin

传递一个基础连接，根据基础连接可以将某一个不完整的链接拼接为一个完整链接

base_url = 'https://www.cnblogs.com'
sub_url = '/angelyan/?name=maple#log'

full_url = parse.urljoin(base_url,sub_url)

print(full_url)
"""
https://www.cnblogs.com/angelyan/?name=maple#log
"""

方法四：urlencode

将字典形式的参数序列化为url编码后的字符串，常用来构造get请求和post请求的参数

parmas = {
    'name':'maple',
    'age':18
}
parmas_str = parse.urlencode(parmas)
print(parmas_str)
"""
name=maple&age=18
"""
parmas_str = 'name=maple&age=18'
# 将url编码格式的参数反序列化为字典类型
parmas = parse.parse_qs(parmas_str)
print(parmas)

"""
{'name': ['maple'], 'age': ['18']}
"""

方法五：quote

可以将中文转换为url编码格式

word = '中国梦'
url = 'http://www.baidu.com/s?wd='+parse.quote(word)
print(parse.quote(word))
print(url)

"""
%E4%B8%AD%E5%9B%BD%E6%A2%A6
http://www.baidu.com/s?wd=%E4%B8%AD%E5%9B%BD%E6%A2%A6
"""
# unquote:可以将URL编码进行解码
url = 'http://www.baidu.com/s?wd=%E4%B8%AD%E5%9B%BD%E6%A2%A6'
print(parse.unquote(url))
"""
http://www.baidu.com/s?wd=中国梦
"""

 #####

 

 

 

 

 

#####