Python爬蟲中urllib3與urllib的區別是什么
urllib 是一個用來處理網絡請求的python標準庫，它包含4個模塊。
urllib.request---請求模塊，用于發起網絡請求 urllib.parse---解析模塊，用于解析URL urllib.error---異常處理模塊，用于處理request引起的異常 urllib.robotparser robots.tx---用于解析robots.txt文件urllib.request模塊request模塊主要負責構造和發起網絡請求，并在其中添加Headers，Proxy等。 利用它可以模擬瀏覽器的請求發起過程。
發起網絡請求 操作cookie 添加Headers 使用代理關于urllib.request.urlopen參數的介紹
urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)
urlopen是一個簡單發送網絡請求的方法。它接收一個字符串格式的url，它會向傳入的url發送網絡請求，然后返回結果。
先寫一個簡單的例子:
from urllib import requestresponse = request.urlopen(url=’http://www.httpbin.org/get’)print(response.read().decode())
urlopen默認會發送get請求，當傳入data參數時，則會發起POST請求。data參數是字節類型、者類文件對象或可迭代對象。
from urllib import requestresponse = request.urlopen(url=’http://www.httpbin.org/post’, data=b’username=q123&password=123’)print(response.read().decode())
還才可以設置超時，如果請求超過設置時間，則拋出異常。timeout沒有指定則用系統默認設置，timeout只對，http，https以及ftp連接起作用。它以秒為單位，比如可以設置timeout=0.1 超時時間為0.1秒。
from urllib import requestresponse = request.urlopen(url=’https://www.baidu.com/’,timeout=0.1)Request對象
利用openurl可以發起最基本的請求，但這幾個簡單的參數不足以構建一個完整的請求，可以利用更強大的Request對象來構建更加完整的請求。
1 . 請求頭添加通過urllib發送的請求會有一個默認的Headers: “User-Agent”:“Python-urllib/3.6”，指明請求是由urllib發送的。所以遇到一些驗證User-Agent的網站時，需要我們自定義Headers把自己偽裝起來。
from urllib import requestheaders ={ ’Referer’: ’https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=1&tn=baidu&wd=python%20urllib%E5%BA%93&oq=python%2520urllib%25E5%25BA%2593&rsv_pq=947af0af001c94d0&rsv_t=66135egC273yN5Uj589q%2FvA844PvH9087sbPe9ZJsjA8JA10Z2b3%2BtWMpwo&rqlang=cn&rsv_enter=0&prefixsug=python%2520urllib%25E5%25BA%2593&rsp=0’, ’User-Agent’: ’Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36’}response = request.Request(url=’https://www.baidu.com/’,headers=headers)response = request.urlopen(response)print(response.read().decode())2. 操作cookie
在開發爬蟲過程中，對cookie的處理非常重要，urllib的cookie的處理如下案例
from urllib import requestfrom http import cookiejar# 創建一個cookie對象cookie = cookiejar.CookieJar()# 創一個cookie處理器cookies = request.HTTPCookieProcessor(cookie)# 以它為參數，創建opener對象opener = request.build_opener(cookies)# 使用這個opener 來發請求res =opener.open(’https://www.baidu.com/’)print(cookies.cookiejar)3. 設置代理
運行爬蟲的時候，經常會出現被封IP的情況，這時我們就需要使用ip代理來處理，urllib的IP代理的設置如下：
from urllib import requesturl =’http://httpbin.org/ip’#代理地址proxy ={’http’:’172.0.0.1:3128’}# 代理處理器proxies =request.ProxyBasicAuthHandler(proxy)# 創建opener對象opener = request.build_opener(proxies)res =opener.open(url)print(res.read().decode())
urlib庫中的類或或者方法，在發送網絡請求后，都會返回一個urllib.response的對象。它包含了請求回來的數據結果。它包含了一些屬性和方法，供我們處理返回的結果
read() 獲取響應返回的數據，只能用一次 readline() 讀取一行 info() 獲取響應頭信息 geturl() 獲取訪問的url getcode() 返回狀態碼urllib.parse模塊parse.urlencode() 在發送請求的時候，往往會需要傳遞很多的參數，如果用字符串方法去拼接會比較麻煩，parse.urlencode()方法就是用來拼接url參數的。
from urllib import parseparams = {’wd’:’測試’, ’code’:1, ’height’:188}res = parse.urlencode(params)print(res)
打印結果為wd=%E6%B5%8B%E8%AF%95&code=1&height=188
也可以通過parse.parse_qs()方法將它轉回字典
print(parse.parse_qs(’wd=%E6%B5%8B%E8%AF%95&code=1&height=188’))urllib.error模塊
error模塊主要負責處理異常，如果請求出現錯誤，我們可以用error模塊進行處理 主要包含URLError和HTTPError
URLError：是error異常模塊的基類，由request模塊產生的異常都可以用這個類來處理
HTTPError：是URLError的子類，主要包含三個屬性
Code:請求的狀態碼 reason：錯誤的原因 headers：響應的報頭from urllib import request,errortry: response = request.urlopen('http://pythonsite.com/1111.html')except error.HTTPError as e: print(e.reason) print(e.code) print(e.headers)except error.URLError as e: print(e.reason)else: print('reqeust successfully')urllib.robotparse模塊
robotparse模塊主要負責處理爬蟲協議文件，robots.txt.的解析。
Robots協議（也稱為爬蟲協議、機器人協議等）的全稱是“網絡爬蟲排除標準”（Robots Exclusion Protocol），網站通過Robots協議告訴搜索引擎哪些頁面可以抓取，哪些頁面不能抓取
網絡庫urllib3urllib3是比urllib庫更強大的存在，目前已經有許多的原生系統已經開始使用urllib3。
urllib3具有如下優點：
支持HTTP和SOCKS代理 支持壓縮編碼 100%測試覆蓋率 具有鏈接池 線程安全 客戶端SLL/TLS驗證 協助處理重復請求和HTTP重定位 使用multipart編碼上傳文件因為urllib3并不是Python的標準庫，所以我們使用之前，需要進行下載安裝，具體命令如下所示：
pip install urllib3#或conda install urllib3
下面，我們來講解urllib3庫的使用方式。
網絡請求GET請求首先，在我們使用urllib3庫進行網絡請求時，需創建PoolManager類的實例，該類用于管理線程池。
下面，我們來通過urllib訪問百度，并返回查詢的結果，示例如下：
import urllib3http = urllib3.PoolManager()url = ’http://www.baidu.com/s’headers = { ’User-Agent’: ’Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36’}response = http.request(’GET’, url, fields={’wd’: ’機器學習’}, headers=headers)result = response.data.decode(’UTF-8’)print(result)
運行之后，效果如下：
這里，我們通過fields參數指定GET的請求字段。不過，這里先一步講解了請求頭，其實是百度有安全機制，讀者可以去掉headers參數試試。會返回百度的安全驗證頁面。
POST請求如果需要向服務器提交表單或者比較復雜的數據，就需要使用到POST請求。POST請求比較簡單，僅僅只是將請求的第一個參數改為“POST”即可。
示例如下：
import urllib3http = urllib3.PoolManager()url = ’http://httpbin.org/post’headers = { ’User-Agent’: ’Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36’}response = http.request(’POST’, url, fields={’username’: ’name’, ’age’: ’123456’}, headers=headers)result = response.data.decode(’UTF-8’)print(result)
運行之后，返回如下數據：
使用urllib3庫進行網絡訪問時，其返回的HTTPResponse。默認有一些攜帶的參數，其中就包括info方法。它能返回響應頭數據，示例如下：
import urllib3http = urllib3.PoolManager()url = ’http://www.baidu.com/s’headers = { ’User-Agent’: ’Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36’}response = http.request(’POST’, url, fields={’wd’: ’機器學習’}, headers=headers)for key in response.info().keys(): print(’key:’,response.info()[key])
運行之后，返回的響應數據如下：
首先，我們需要簡單的實現一個文件上傳的服務器代碼，這里我們使用Flask搭建一個簡單的服務器Python程序，代碼如下：
import flaskimport osUPLOAD_FILE = ’uploads’app = flask.Flask(__name__)@app.route(’/’, methods=[’POST’])def upload_file(): file = flask.request.files[’file’] if file:file.save(os.path.join(UPLOAD_FILE, os.path.basename(file.filename)))return ’文件上傳成功’ else:return ’文件上傳失敗’if __name__ == ’__main__’: app.run()
運行之后，它會一直等待客戶端上傳文件。
這個時候，我們再來實現urllib3是如何上傳文件的，示例如下：
import urllib3http = urllib3.PoolManager()with open(’1.jpg’, ’rb’) as f: fileData = f.read()url = ’http://127.0.0.1:5000’response = http.request(’POST’, url, fields={’file’: (’1.jpg’, fileData, ’image/jpeg’)})print(response.data.decode(’UTF-8’))
默認flask搭建的服務器，其接口為5000，也就是通過127.0.0.1:5000進行訪問。運行之后，就會在uploads文件夾下創建一個1.jpg的圖片。
同時，控制臺會輸出文件上傳成功，而服務器會返回狀態碼200。
這里，上傳文件就1一個鍵值對，其中file代表服務器上傳文件的字段。值的元組里，fileData為文件的二進制形式，’image/jpeg’代表上傳文件的格式（可以省略）。
超時處理urllib3庫其HTTP的底層都是基于Socket實現的，而Socket超時又分為連接超時與讀超時。
其中，連接超時表示在連接的過程中，由于服務器的問題或域名弄錯了，而導致的無法連接的情況拋出的異常。
讀超時表示從服務器讀取數據時由于服務器的問題，導致長時間無法正常讀取數據而導致的異常。
通常，我們超時的設置有2種，一種是通過http.request(timeout)進行設置，一種是通過PoolManager()連接池進行設置。示例如下：
from urllib3 import *http = PoolManager(timeout=Timeout(connect=2.0, read=2.0))with open(’1.jpg’, ’rb’) as f: fileData = f.read()url = ’http://127.0.0.1:5000’try: response = http.request(’POST’, url, timeout=Timeout(connect=2.0, read=4.0)) print(response.data.decode(’UTF-8’))except Exception as e: print(e)
需要注意的是，通過連接池PoolManager進行設置的超時，是全局超時時間，哪怕你后邊的請求不設置，也是默認使用的這個超時。如果同時設置了request的超時，那么以request為準。
到此這篇關于Python爬蟲中urllib3與urllib的區別是什么的文章就介紹到這了,更多相關Python urllib3 urllib內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！
相關文章：
網公網安備