python爬虫urllib库-demo

1 urlopen(),urlencode(),编码解码demo

from urllib import request,parse
data ={
    "first":'true',
    "pn":1,
    "kd":"Android"
}
header ={
    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.117 Safari/537.36",
    "Referer":"https://www.lagou.com/jobs/list_Android?px=default&city=%E5%B9%BF%E5%B7%9E"
}
req = request.Request("https://www.lagou.com/jobs/positionAjax.json?px=default&city=%E5%B9%BF%E5%B7%9E&needAddtionalResult=false",data = parse.urlencode(data).encode("utf-8"),headers = header,method="POST")
result = request.urlopen(req)
print(result.read().decode("utf-8"))

urlopen()函数向指定url发送一个request请求,并接收返回的response
网络上传输的数据类型为byte所以需要使用urlencode()函数对dict类型数据进行编码。并在接收数据后对result进行decode()解码。(不然容易出现乱码)

2代理ip

from urllib import request
url ="http://ip.chinaz.com/getip.aspx"
#1.ProxyHandle生成代理handle
handle = request.ProxyHandler({'http':'183.159.80.115:18118'})#报错很可能是代理ip不稳定的原因
#2.使用handel构建opener
opener = request.build_opener(handle)
#3.使用opener发送一个请求
resp = opener.open(url)
print(resp.read().decode("utf-8"))

handler理解不是太深,目前只是知道它是一个处理器,opener作用我理解为相当于浏览器,去请求url

3 cookie

from urllib import request

url ="http://www.renren.com/880792860/profile"
header ={
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.90 Safari/537.36 2345Explorer/9.3.2.17331',
    'Cookie':'anonymid=jgtj84q4-txf6wv; depovince=HUB; _r01_=1; JSESSIONID=abcP30X8kXtzn-f8q4Wmw; ick_login=2fd80652-4a11-46c0-8390-620909c51cad; t=72bbd4f70c95d18f1459f9679acb27ad0; societyguester=72bbd4f70c95d18f1459f9679acb27ad0; id=965779570; xnsid=cf1e945b; jebecookies=e0a3ddd4-105d-47aa-8381-14d732843363|||||; ver=7.0; loginfrom=null; jebe_key=a928342b-f0b3-4a41-b26d-ed332bb8120b%7C7e4751b99e97b478a812137eab779aed%7C1525533471094%7C1%7C1525533472021; wp_fold=0'
}
req = request.Request(url,headers=header)
result = request.urlopen(req)

print(result.read().decode("utf-8"))#read()方法读取全部的文件内容,所以文件指针已经到最后了,再次read()时就为空

with open("renren.html",'w',encoding="utf-8") as file:
    file.write(result.read().decode("utf-8"))

可以在header中添加cookie信息去爬取需要登录的页面。

4.保存和载入cookie

from urllib import request
from http.cookiejar import MozillaCookieJar


cookie =MozillaCookieJar("cookie.txt")
handel = request.HTTPCookieProcessor(cookie)
opener = request.build_opener(handel)

opener.open("http://httpbin.org/cookies/set?name=lizhe22")

cookie.save(ignore_discard=True)#保存
cookie.load(ignore_discard=True)#载入
for c in cookie:
    print(c)

通过cookie.save()cookie.load()函数来读取指定文件的cookie值,ignore_discard=True参数是当cookie有效期为临时的时候需要设置,因为cookie有效期为临时的时候,关闭浏览器后,cookie值就销毁了,在程序中当我理解的当opener对象销毁的时候就相当于关闭浏览器,cookie就会销毁,不设置的话就会看不到cookie

5.自动获取cookie

from urllib import request,parse
from http.cookiejar import CookieJar

# 1.创建cookiejar对象
cookie = CookieJar()
handle = request.HTTPCookieProcessor(cookie)#handler处理器,向request或者response加入特定信息
opener = request.build_opener(handle)#opener,用于打开request的请求,相当于浏览器对象

# 2.输入账号密码访问登录地址返回cookie
login_url = "http://www.renren.com/PLogin.do"#form action属性获得login_url
header ={
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.90 Safari/537.36 2345Explorer/9.3.2.17331'
}
data = {
    "email":"15925550603",
    "password":"1111130330"
}
req = request.Request(login_url,headers=header,data=parse.urlencode(data).encode("utf-8"))
rep = opener.open(req)
print(rep.read().decode("utf-8"))
#3.访问主页
main_url ="http://www.renren.com/880792860/profile"
req = request.Request(main_url,headers=header)
rep  = opener.open(req)

with open("renren.html",'w',encoding="utf-8") as file:
    file.write(rep.read().decode("utf-8"))
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,406评论 6 503
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,732评论 3 393
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,711评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,380评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,432评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,301评论 1 301
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,145评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,008评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,443评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,649评论 3 334
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,795评论 1 347
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,501评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,119评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,731评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,865评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,899评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,724评论 2 354