Urllib库及其常用的四个模块

2024-08-26 13:36
文章标签 模块 常用 四个 urllib

本文主要是介绍Urllib库及其常用的四个模块，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

  • 1. 什么是Urllib
  • 2. Urllib库的4个核心模块
    • 2.1 request
    • 2.2 error
    • 2.3 parse
    • 2.4 robotparser

1. 什么是Urllib

urllib 是 Python 标准库中的一个模块，用于处理 URL 及其相关操作。它提供了一组用于打开和读取 URL 的功能，支持 HTTP、HTTPS、FTP 等协议。

2. Urllib库的4个核心模块

2.1 request

urllib.request 是 Python 标准库中的一个子模块，用于打开和读取 URL。它提供了一组用于发送 HTTP 请求的功能，包括 GET 和 POST 请求。以下是一些常见的用法示例：

发送GET请求：

import urllib.requestresponse = urllib.request.urlopen("http://www.baidu.com")
print(response.read().decode("utf-8"))

发送POST请求：

import urllib.request# 请求网址
url = "https://www.spiderbuf.cn/playground/e01/login"# 请求体数据
data = {"user_name": "admin","password": "123456",
}# 请求头
headers = {"User-Agent": " Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36",
}# 将数据编码为 URL 编码格式，并转换为字节数据，以便在 POST 请求中发送
encoded_data = urllib.parse.urlencode(data).encode("utf-8")# 创建一个 Request 对象，包含 URL、编码后的数据、请求头和请求方法（POST）
request = urllib.request.Request(url, data=encoded_data, headers=headers, method="POST")# 发送请求并获取响应
response = urllib.request.urlopen(request)# 打印响应内容
print(response.read().decode("utf-8"))

拓展一下，urllib.request.urlopen中的context参数：

# 在发送请求时，可以额外添加 context 参数
context = ssl._create_unverified_context()
response = urllib.request.urlopen(req, context=context)

context=ssl._create_unverified_context()这行代码的确意味着客户端在进行 HTTPS 请求时不会验证服务器的 SSL 证书的真实性。这在开发和测试环境中可能有用，但在生产环境中是不推荐的，因为它会使你的请求容易受到中间人攻击（MITM）。

urllib.request.urlopen中的context参数有什么用？

context参数用于指定 SSL 上下文，以便控制 HTTPS 请求的安全设置。具体来说，context参数允许你自定义 SSL/TLS 设置，例如禁用证书验证、设置证书文件等。

简单介绍一下什么是SSL/TLS：

SSL：一种用于保护互联网连接的标准技术，保护方法是对在网站和浏览器（或两个服务器之间）之间发送的数据进行加密。它能防止黑客查看或窃取传输的任何信息，包括个人或财务数据。关于它的应用最直观的就是HTTPS，HTTPS是在HTTP上应用SSL来保障HTTP的安全性，对HTTPS可以简单理解为HTTPS＝HTTP+SSL。

TLS：是SSL的经过更新的、更安全的版本。

SSL证书：是一种遵循SSL协议的数字证书，包含拥有者的公钥及相关身份信息，由受信任的数字证书颁发机构（CA）颁发。SSL证书采用SSL协议进行通信，具有服务器身份验证和数据传输加密功能，用于保证设备内的各服务间，以及设备与外部通信的安全性，防止通信数据在传输过程被篡改造成安全风险，提升系统的安全性。数字证书可以说是网络上的安全护照或身份证，提供的是网络上的身份证明。

SSL的工作原理，可参考文章：SSL的工作原理及详细的握手过程

2.2 error

urllib库中的 error 模块用于处理在使用 urllib 进行网络请求时可能出现的各种错误和异常。该模块定义了一些异常类，这些异常类可以帮助我们捕获和处理不同类型的错误情况。

  1. URLError：

    • 这是一个通用的异常类，用于捕获由 urllib引发的所有错误。它通常在无法连接到服务器或请求超时时引发。

    • 示例：

      import urllib.request
import urllib.errortry:response = urllib.request.urlopen("https://non-existent.com")
except urllib.error.URLError as e:print(f"URL Error: {e.reason}")# 运行结果
# URL Error: [SSL: UNEXPECTED_EOF_WHILE_READING] EOF occurred in violation of protocol (_ssl.c:1000)

  2. HTTPError：

    • 这是 URLError 的子类，专门用于处理 HTTP 请求返回的错误状态码（如 404、500 等）。它不仅包含错误信息，还包含 HTTP 响应码和响应头。

    • 示例：

      import urllib.request
import urllib.errortry:response = urllib.request.urlopen("https://example.com/nonexistentpage")
except urllib.error.HTTPError as e:print(f"HTTP Error: {e.code} - {e.reason} - {e.headers}")# 运行结果
# HTTP Error: 404 - Not Found - Accept-Ranges: bytes
# Age: 516948
# Cache-Control: max-age=604800
# Content-Type: text/html; charset=UTF-8
# Date: Sun, 25 Aug 2024 14:47:42 GMT
# Expires: Sun, 01 Sep 2024 14:47:42 GMT
# Last-Modified: Mon, 19 Aug 2024 15:11:54 GMT
# Server: ECAcc (sac/2574)
# Vary: Accept-Encoding
# X-Cache: 404-HIT
# Content-Length: 1256
# Connection: close

  3. ContentTooShortError：

    • 当读取的内容比预期的要短时引发此异常。通常在下载文件时使用。

    • 示例：

      import urllib.request
import urllib.errortry:response = urllib.request.urlopen("https://example.com/largefile")content = response.read()if len(content) < expected_length:raise urllib.error.ContentTooShortError("Content too short", content)
except urllib.error.ContentTooShortError as e:print(f"Content Too Short Error: {e.reason}")

2.3 parse

urllib 库的 parse 模块提供了一些用于解析 URL 和处理 URL 编码的函数。

from urllib.parse import urlparse, urlunparse, urljoin, urlencode, quote, unquote# 解析 URL
url = "https://www.example.com/path;params?query=arg#frag"
parsed_url = urlparse(url)
print(parsed_url.netloc)
# 运行结果
# ParseResult(scheme='https', netloc='www.example.com', path='/path', params='params', query='query=arg', fragment='frag')# 组合 URL
url_components = ("https", "www.example.com", "/path", "params", "query=arg", "frag")
combined_url = urlunparse(url_components)
print(combined_url)
# 运行结果
# https://www.example.com/path;params?query=arg#frag# 组合基 URL 和相对 URL
base_url = "https://www.example.com/path/"
relative_url = "subpath/file.html"
full_url = urljoin(base_url, relative_url)
print(full_url)
# 运行结果
# https://www.example.com/path/subpath/file.html# URL 编码
params = {"name": "John Doe", "age": 30}
query_string = urlencode(params)
print(query_string)
# 运行结果
# name=John+Doe&age=30# URL 编码和解码
original_string = "Hello World!"
encoded_string = quote(original_string)
decoded_string = unquote(encoded_string)
print(encoded_string)
print(decoded_string)
# 运行结果
# Hello%20World%21
# Hello World!

2.4 robotparser

urllib 库的 robotparser 模块（在 Python 3 中被重命名为 urllib.robotparser）用于解析 robots.txt 文件。robots.txt 文件是网站管理员用来控制搜索引擎爬虫访问其网站的文件。

from urllib.robotparser import RobotFileParser# 创建 RobotFileParser 对象
rp = RobotFileParser()# 设置 robots.txt 文件的 URL
rp.set_url("https://fanyi.baidu.com/mtpe-individual/multimodal#/")# 读取和解析 robots.txt 文件
rp.read()# 检查某个 URL 是否允许被爬取
url = "https://fanyi.baidu.com/mtpe-individual/multimodal#/"
user_agent = "*"
is_allowed = rp.can_fetch(user_agent, url)
print(f"URL {url} is allowed to be fetched: {is_allowed}")
# 运行结果
# URL https://fanyi.baidu.com/mtpe-individual/multimodal#/ is allowed to be fetched: True

这里注意，我们需要执行完 set_url 和 read() 方法之后，can_fetch 方法返回的结果才是有效的。调用 rp.read()方法后，RobotFileParser 对象会从指定的 URL 下载并解析 robots.txt 文件。这个过程会将文件中的规则加载到内存中，以便后续的访问控制检查。

这篇关于Urllib库及其常用的四个模块的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1108710。

相关文章

gitlab安装及邮箱配置和常用使用方式

gitlab安装及邮箱配置和常用使用方式

《gitlab安装及邮箱配置和常用使用方式》：本文主要介绍gitlab安装及邮箱配置和常用使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1.安装GitLab2.配置GitLab邮件服务3.GitLab的账号注册邮箱验证及其分组4.gitlab分支和标签的
阅读更多...
一文深入详解Python的secrets模块

一文深入详解Python的secrets模块

《一文深入详解Python的secrets模块》在构建涉及用户身份认证、权限管理、加密通信等系统时,开发者最不能忽视的一个问题就是“安全性”,Python在3.6版本中引入了专门面向安全用途的secr... 目录引言一、背景与动机：为什么需要 secrets 模块？二、secrets 模块的核心功能1. 基
阅读更多...
Python常用命令提示符使用方法详解

Python常用命令提示符使用方法详解

《Python常用命令提示符使用方法详解》在学习python的过程中,我们需要用到命令提示符(CMD)进行环境的配置,：本文主要介绍Python常用命令提示符使用方法的相关资料,文中通过代码介绍的... 目录一、python环境基础命令【Windows】1、检查Python是否安装2、 查看Python的安
阅读更多...
python判断文件是否存在常用的几种方式

python判断文件是否存在常用的几种方式

《python判断文件是否存在常用的几种方式》在Python中我们在读写文件之前,首先要做的事情就是判断文件是否存在,否则很容易发生错误的情况,：本文主要介绍python判断文件是否存在常用的几种... 目录1. 使用 os.path.exists()2. 使用 os.path.isfile()3. 使用
阅读更多...
Java实现本地缓存的常用方案介绍

Java实现本地缓存的常用方案介绍

《Java实现本地缓存的常用方案介绍》本地缓存的代表技术主要有HashMap,GuavaCache,Caffeine和Encahche,这篇文章主要来和大家聊聊java利用这些技术分别实现本地缓存的方... 目录本地缓存实现方式HashMapConcurrentHashMapGuava CacheCaffe
阅读更多...
Python将字符串转换为小写字母的几种常用方法

Python将字符串转换为小写字母的几种常用方法

《Python将字符串转换为小写字母的几种常用方法》：本文主要介绍Python中将字符串大写字母转小写的四种方法：lower()方法简洁高效,手动ASCII转换灵活可控,str.translate... 目录一、使用内置方法 lower()（最简单）二、手动遍历 + ASCII 码转换三、使用 str.tr
阅读更多...
Python logging模块使用示例详解

Python logging模块使用示例详解

《Pythonlogging模块使用示例详解》Python的logging模块是一个灵活且强大的日志记录工具,广泛应用于应用程序的调试、运行监控和问题排查,下面给大家介绍Pythonlogging模... 目录一、为什么使用 logging 模块？二、核心组件三、日志级别四、基本使用步骤五、快速配置（bas
阅读更多...
Spring Boot 常用注解整理(最全收藏版)

Spring Boot 常用注解整理(最全收藏版)

《SpringBoot常用注解整理(最全收藏版)》本文系统整理了常用的Spring/SpringBoot注解,按照功能分类进行介绍,每个注解都会涵盖其含义、提供来源、应用场景以及代码示例,帮助开发... 目录Spring & Spring Boot 常用注解整理一、Spring Boot 核心注解二、Spr
阅读更多...
Java中的内部类和常用类用法解读

Java中的内部类和常用类用法解读

《Java中的内部类和常用类用法解读》：本文主要介绍Java中的内部类和常用类用法,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录内部类和常用类内部类成员内部类静态内部类局部内部类匿名内部类常用类Object类包装类String类StringBuffer和Stri
阅读更多...
MySQL连接池(Pool)常用方法详解

MySQL连接池(Pool)常用方法详解

《MySQL连接池(Pool)常用方法详解》本文详细介绍了MySQL连接池的常用方法,包括创建连接池、核心方法连接对象的方法、连接池管理方法以及事务处理,同时,还提供了最佳实践和性能提示,帮助开发者构... 目录mysql 连接池 (Pool) 常用方法详解1. 创建连接池2. 核心方法2.1 pool.q
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2