Python网络爬虫（Get、Post抓取方式）

来源：互联网发布：淘宝捡漏是怎么回事编辑：程序博客网时间：2024/05/19 16:49

简单的抓取网页

import urllib.request   url="http://google.cn/"  response=urllib.request.urlopen(url)    #返回文件对象page=response.read()

直接将URL保存为本地文件

import urllib.request  url="http://www.xxxx.com/1.jpg"urllib.request.urlretrieve(url,r"d:\temp\1.jpg")

POST方式

import urllib.parse  import urllib.request  url="http://liuxin-blog.appspot.com/messageboard/add" values={"content":"命令行发出网页请求测试"}  data=urllib.parse.urlencode(values) #创建请求对象  req=urllib.request.Request(url,data) #获得服务器返回的数据  response=urllib.request.urlopen(req) #处理数据  page=response.read()

GET方式

import urllib.parse  import urllib.request  url="http://www.google.cn/webhp" values={"rls":"ig"}  data=urllib.parse.urlencode(values)  theurl=url+"?"+data #创建请求对象  req=urllib.request.Request(theurl) #获得服务器返回的数据  response=urllib.request.urlopen(req) #处理数据  page=response.read()

有2个常用的方法,geturl(),info()

geturl()的设置是为了辨别是否有服务器端的网址重定向,而info()则包含了一系列的信息。

中文问题的处理，会用到 encode()编码 dencode()解码

0 0