urllib.request.urlopen()基本使用

1. urlopen( ) 方法

用於打開一個遠程的url連接,並且向這個連接發出請求,獲取響應結果。返回的結果是一個http響應對象,這個響應對象中記錄了本次http訪問的響應頭和響應體

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

import urllib.request

url = 'https://www.python.org'
# 方式一
response = urllib.request.urlopen(url)
print(type(response))  # <class 'http.client.HTTPResponse'>
# 方式二
request = urllib.request.Request(url)
res = urllib.request.urlopen(url)
print(type(res))  # <class 'http.client.HTTPResponse'>

print(response.status)  # 200 獲取響應狀態碼
print(response.reason)  # OK
print(response.version)  # 11
print(response)    # 獲取響應，結果爲：<http.client.HTTPResponse object at 0x10be801d0>
print(response.headers)   # 獲取響應頭
# Server: nginx
# Content-Type: text/html; charset=utf-8
# X-Frame-Options: DENY
# Via: 1.1 vegur
# Via: 1.1 varnish
# Content-Length: 48830
# Accept-Ranges: bytes
# Date: Thu, 12 Mar 2020 10:34:07 GMT
print(response.url)       # https://www.python.org  獲取響應url
print(response.read())                  # 獲取響應體 二進制字符串
print(response.read().decode("utf-8"))  # 對響應體進行解碼
# 按行讀取
print(response.readline())      # 讀取一行
print(response.readline())      # 讀取下一行
print(response.readlines())    # 讀取多行。得到一個列表 每個元素是一行

通過結果可以發現response是一個HTTPResposne類型的對象，它主要包含的方法有read()、readinto()、getheader(name)、getheaders()、fileno()等函數和msg、version、status、reason、debuglevel、closed等屬性。
例如response.read()就可以得到返回的網頁內容，response.status就可以得到返回結果的狀態碼，如200代表請求成功，404代表網頁未找到等。

2、添加data參數的時候就是以post請求方式請求，若沒有data參數就是get請求方式

from urllib import request, parse

# 用parse模塊，通過bytes(parse.urlencode())可以將post數據進行轉換並放到
# urllib.request.urlopen的data參數中。這樣就完成了一次post請求。
data = bytes(parse.urlencode({'word': 'hello'}), encoding='utf8')
response = request.urlopen('http://httpbin.org/post', data=data)
print(response.read())

3、timeout參數使用

在某些網絡情況不好或者服務器端異常的情況會出現請求慢的情況，或者請求異常，所以這個時候我們需要給
請求設置一個超時時間，而不是讓程序一直在等待結果。所以使用 timeout參數設置超時時間

import urllib.request

response = urllib.request.urlopen('http://httpbin.org/get', timeout=1)
print(response.read())   # 正常結束，控制檯顯示：socket.time : timed out
response = urllib.request.urlopen('http://httpbin.org/get', timeout=0.1)
print(response.read())   # 超時，控制檯顯示：urllib.error.URLErrot : <urlopen error timed out>

4、Request(url=url, data=data, method='POST') 方法

web開發中，同一個url往往可以對應若干套不同的數據（或者界面,如手機、電腦），後臺可以根據發起請求的前端的用戶代理的不同，而決定應該給前端做出什麼樣的響應，如果檢測到沒有用戶代理可以拒絕訪問。

有很多網站爲了防止程序爬蟲爬網站造成網站癱瘓，會需要攜帶一些headers頭部信息才能訪問，最長見的有user-agent參數所以需要僞裝請求頭，去訪問目標站。

urllib.ruquest.Request 參數介紹：

           urllib.ruquest.Request(url=url,headers=headers,data=data,method='POST')

 headers 參數使用；給請求添加頭部信息，定製自己請求網站時的頭部信息，使得請求僞裝成瀏覽器等終端

url = "http://www.baidu.com/"
req = request.Request(url=url, headers={'UserAgent':'Mozilla/5.0 (Windows NT 10.0; Win64;x64)AppleWebKit/537.36 (KHTML, likeGecko)Chrome/71.0.3578.80Safari/537.36'})
res = request.urlopen(req)  # 用加入了請求頭的請求對象發起請求
print(res.status)           # 打印狀態碼

添加請求頭的post請求方式

from urllib import request, parse

url = 'http://httpbin.org/post'
headers = {
            'User-Agent': 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)',
            'Host': 'httpbin.org'
          }
dict = {'name': 'taotao'}
data = bytes(parse.urlencode(dict), encoding='utf8')
req = request.Request(url=url, data=data, headers=headers, method='POST')
response = request.urlopen(req)
print(response.read().decode('utf-8'))

添加請求頭的第二種post方式, 好處是自己可以定義一個請求頭字典，然後循環進行添加

from urllib import request, parse

url = 'http://httpbin.org/post'
dict = {'name': 'Germey'}
data = bytes(parse.urlencode(dict), encoding='utf8')
req = request.Request(url=url, data=data, method='POST')
req.add_header('User-Agent', 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)')
response = request.urlopen(req)
print(response.read().decode('utf-8'))

5、urllib.parse模塊 方法

url解析模塊

1. urlparse( ) 方法 拆分url

URL解析函數側重於將URL字符串拆分爲其組件，或者將URL組件組合爲URL字符串

拆分的時候協議類型部分就會是scheme=“ ”指定的部分。如果url裏面已經帶了協議，scheme指定的協議不會生效

urllib.parse.urlparse(urlstring, scheme=" ", allow_fragments=True)

urlparse("www.baidu.com/index.html;user?id=5#comment",scheme="https")

from urllib.parse import urlparse, urlunparse

# 對傳入的url地址進行拆分; 可以用 scheme=“ ” 指定協議類型：
result = urlparse("http://www.baidu.com/index.html;user?id=5#comment")
print(result)
# ParseResult(scheme='http', netloc='www.baidu.com', path='/index.html',
# params='user', query='id=5', fragment='comment')

2. urlunparse( ) 方法  拼接url

功能和urlparse的功能相反，它是用於拼接 

data = ['http', 'www.baidu.com', 'index.html', 'user', 'a=123', 'commit']
print(urlunparse(data))  # http://www.baidu.com/index.html;user?a=123#commit

6. urlencode( ) 方法 

這個方法可以將字典轉換爲url參數

對url進行編碼，因爲urllib這個框架中的url中不能出現漢字，只能出現ascii碼字符

from urllib import parse

url = "https://www.baidu.com/s?"
# 把參數寫成字典的形式
dic = {"ie": "utf-8", "wd": "奔馳"}
# 用parse的urlencode方法編碼
parames = parse.urlencode(dic)
# 將編碼以後的參數拼接到url中
url += parames
print(request.urlopen(url=url))

參考：https://www.lagou.com/lgeduarticle/34376.html