python怎么操作網頁

這篇文章主要講解了“python怎么操作網頁”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“python怎么操作網頁”吧！

介紹

urllib 庫是一個 python 自帶的用于操作網頁 URL 的庫，它可以簡單的對網頁的內容進行抓取處理。該功能最常用于 python 爬蟲的開發，不過對于爬蟲開發而言，request 是一個更好的選擇。但內置的 urllib 也可以在簡單使用上替代 request 庫（而且由于 urllib 庫是內置的，所以并不需要額外安裝）。

安裝

urllib 是 python 內置的庫，不需要額外的安裝。

功能

urllib 庫下有四個模塊，分別是 request 模塊，error 模塊，parse 模塊和 robotparser 模塊。

• urllib.request  該模塊定義了一些打開URL的函數和類，比如發起請求,授權驗證，重定向，cookie等功能。

對于爬蟲而言，一般只需要了解urllib.request的urlopen()方法即可。

   urlopen() 方法可以選擇傳入如下參數（不完全，但是基本上是爬蟲常用的參數）：

• url：url 地址，也就是請求的鏈接。

• data：發送到服務器的數據包（使用post方法的時候），默認為None。

• timeout：設置訪問超時時間。

• headers：請求頭，這個字段在爬蟲反反爬的時候需要用到。

• method：請求方法，可以設置請求的方式，默認是get請求。

代碼示例：

url = 'http://www.5655pk.com/'
headers = { 
#假裝自己是瀏覽器 
'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', 
}
req = request.Request(url,data=None,headers=headers,method='GET')

• urllib.error  該模塊為urllib.request所引發的異常定義了異常類，用于處理urllib.request引起的異常。

• urllib.parse  該模塊用于解析URL ，它可以解析一個url的協議，網絡位置部分，分層路徑，最后路徑元素的參數，查詢組件，片段識別，用戶名，密碼，主機名（小寫）和端口號（前提是該URL有對應的值）

 一般而言一個url的結構只要開發者有一定經驗，可以直接看出上述的內容，所以該模塊的作用只是用于自動化操作，對于爬蟲而言作用有限（在最開始的網站分析階段開發者已經將相應的工作都做完了），如需了解對應的內容，請前往python教程進行了解

• urllib.robotparser  該模塊用于解析robot文件。

robot文件是網站用來告訴爬蟲什么內容可以爬什么內容不能爬的文件，是網站與爬蟲開發者之間的君子協定。雖然沒有明文規定robot規定不能爬的內容一定不能爬，但是爬取robot規定不能爬的內容對方可以向開發者追責。

感謝各位的閱讀，以上就是“python怎么操作網頁”的內容了，經過本文的學習后，相信大家對python怎么操作網頁這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！