Fork me on GitHub

Python入门--13--爬虫一

URL的格式一般为(带方括号的是可选的):

protocol://hostname[:port]/path/[;parameters][?query]#fragment

 

URL由三部分组成:

  第一部分是协议:http https  ftp  file  ed2k

  第二部分是存放资源的放武器的域名系统或IP地址(有时候要包含端口号)

    各种传输协议都有默认的端口号,http的默认端口号就是80

  第三部分是资源的具体地址,如目录或文件名等

 

python3.0版本之后就把urllib和urllib2合并了,变为一个urllib包

下面先用urllib.request写个小程序

import urllib.request

wangye = urllib.request.urlopen('http://www.baidu.com')

html=wangye.read()

print (html)

##输出的全是乱码是不是  ,因为他是二进制的格式

import urllib.request

wangye = urllib.request.urlopen('http://www.baidu.com')

html=wangye.read()

html=html.decode('utf-8')

print (html)

##这就转化为你在浏览器的网页里面按F12的效果,是他们的源代码

 

一、抓取一只猫

import urllib.request

wangye=urllib.request.urlopen('http://placekitten.com/g/500/500')

cat_img = wangye.read()

with open('cat_500_600'+'.jpg','wb') as f:

  f.write(cat_img)

 

#reques有两种用法 一种是'urlopen'后面加上网址,另外一种是urllib.request.Request加上网址

 

import urllib.request

pro_wangye=urllib.request.Request('http://placekitten.com/g/500/500')

wangye=urllib.request.open(pro_wangye)

cat_img = wangye.read()

with open('cat_500_600'+'.jpg','wb') as f:

  f.write(cat_img)

所以直接用urlopen就好

二、一些函数
wangye.geturl()  #输出的是http://placekitten.com/g/500/500

print(wangye.info())  #输出一堆网络的属性什么的

wangye.getcode()  #如果输出200说明服务器状态没问题,正常相应

三、在编一个小程序:有道翻译

 注意:

1、这个urlopen有个参数data,如果其被赋值,则函数就会post,来取代get

2、data的格式必须是特定的,需要使用:urllib.parse.urlencode()进行一下编码,编译成url的格式

    而且这个urllib.parse是一个模块的 需要载入

 

 

 

 

 

 

 

 

 

 

 

 

 

四、一些知识点

remote address:服务器ip地址+打开的端口号

request url:打开的地址

status code:服务器的状态,200是正常,404是页面不见了

request header:客户端、浏览器的意思 #一般通过这个里面的users-agent来判断是代码访问还是人的访问

      使用:  1、req=urllib.request.Request(url,data,header)     #提前写好header,这是个字典

    或者使用:2、req=urllib.request.Request(url,data)

           req.add_header('UserAgent','Mozilla/5.0(WindowsNT6.1;WOW64)AppleWebKit/537.36                         (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36')

 

JSON:这是一种轻量级的数据交换格式,说白了就是这里就是字符串把Python的数据结构封装起来,便于储存和使用

 

HTTP有好几种方法(GET、POST、PUT、HEAD、DELETE、OPTIONS、CONNECT),请问如何知道python使用的哪一种:

答:使用get_method()方法获取request对象具体使用那种方法访问服务器,当request的Data参数被赋值的时候,get_method()返回的'POST',否则返回'GET'

 

posted @ 2017-05-24 23:25  Mo槑  阅读(211)  评论(0编辑  收藏  举报