| python爬虫urllib3模块详解 | 您所在的位置：网站首页 › 第三方爬虫 › python爬虫urllib3模块详解 |
python爬虫urllib3模块详解
|
鉴于urllib请求模块的功能已经无法满足开发者的需求，出现了功能更强大的urllib3模块，urllib3模块是一个第三方的网络请求模块。 安装命令：pip install urllib3 1.发送网络请求使用urllib3发送网络请求时，需要首先创建PoolManager对象，再通过该对象调用 request() 方法发送请求。 request(method,url,fields=None,headers=None) method 必选参数，用于指定请求方式，如GET，POST，PUT等。url 必须按参数，要访问的urlfields 可选参数，设置请求的参数headers 可选参数，请求头 1.1GET请求 import urllib3 # 导入urllib3模块 url = 'https://www.python.org/' http = urllib3.PoolManager() # 创建连接池管理对象 r = http.request('GET', url) # 发送GET请求 print(r.status) # 打印请求状态码程序运行结果： 使用 PoolManager对象（即连接池管理对象） 可以实现向多个服务器发送请求。 import urllib3 # 导入urllib3模块 urllib3.disable_warnings() # 关闭ssl警告 jingdong_url = 'https://www.jd.com/' # 京东url地址 python_url = 'https://www.python.org/' # Python url地址 baidu_url = 'https://www.baidu.com/' # 百度url地址 http = urllib3.PoolManager() # 创建连接池管理对象 r1 = http.request('GET', jingdong_url) # 向京东地址发送GET请求 r2 = http.request('GET', python_url) # 向python地址发送GET请求 r3 = http.request('GET', baidu_url) # 向百度地址发送GET请求 print('京东请求状态码：', r1.status) print('python请求状态码：', r2.status) print('百度请求状态码：', r3.status)程序运行结果： 发送post请求同样使用request方法，只需要将request方法中的method参数设置为POST，将fields参数设置为字典类型的表单参数。 import urllib3 # 导入urllib3模块 urllib3.disable_warnings() # 关闭ssl警告 url = 'https://www.httpbin.org/post' # post请求测试地址 params = {'name': 'Jack', 'country': '中国', 'age': 30} # 定义字典类型的请求参数，这里可以随意写进行测试 http = urllib3.PoolManager() # 创建连接池管理对象 r = http.request('POST', url, fields=params) # 发送POST请求 print('返回结果：', r.data.decode('utf-8'))
这样就正常显示了。 urllib3可以自动重试请求，request()方法请求重试次数默认为3次，如果要修改重试次数，可以设置retires参数。 import urllib3 # 导入urllib3模块 urllib3.disable_warnings() # 关闭ssl警告 url = 'https://www.httpbin.org/get' # get请求测试地址 http = urllib3.PoolManager() # 创建连接池管理对象 r = http.request('GET', url) # 发送GET请求,默认重试请求 r1 = http.request('GET', url, retries=5) # 发送GET请求,设置5次重试请求 r2 = http.request('GET', url, retries=False) # 发送GET请求,关闭重试请求 print('默认重试请求次数：', r.retries.total) print('设置重试请求次数：', r1.retries.total) print('关闭重试请求次数：', r2.retries.total)程序运行结果： 可通过info()方法获取响应头信息。 import urllib3 # 导入urllib3模块 urllib3.disable_warnings() # 关闭ssl警告 url = 'https://www.httpbin.org/get' # get请求测试地址 http = urllib3.PoolManager() # 创建连接池管理对象 r = http.request('GET', url) # 发送GET请求,默认重试请求 response_header = r.info() # 获取响应头 for key in response_header.keys(): # 循环遍历打印响应头信息 print(key, ':', response_header.get(key))
处理服务器返回的JSON信息 通过json模块的 loads() 方法将响应json数据转换为字典类型。 import urllib3 # 导入urllib3模块 import json # 导入json模块 urllib3.disable_warnings() # 关闭ssl警告 url = 'https://www.httpbin.org/post' # post请求测试地址 params = {'name': 'Jack', 'country': '中国', 'age': 30} # 定义字典类型的请求参数 http = urllib3.PoolManager() # 创建连接池管理对象 r = http.request('POST', url, fields=params) # 发送POST请求 j = json.loads(r.data.decode('unicode_escape')) # 将响应数据转换为字典类型 print('数据类型：', type(j)) print('获取form对应的数据：', j.get('form')) print('获取country对应的数据：', j.get('form').get('country'))
二进制数据 如果响应数据为二进制数据，则可以使用open()函数将二进制数据转换为图片。 import urllib3 # 导入urllib3模块 urllib3.disable_warnings() # 关闭ssl警告 url = 'http://sck.rjkflm.com:666/spider/file/python.png' # 图片请求地址 http = urllib3.PoolManager() # 创建连接池管理对象 r = http.request('GET', url) # 发送网络请求 print(r.data) # 打印二进制数据 f = open('python.png', 'wb+') # 创建open对象 f.write(r.data) # 写入数据 f.close() # 关闭运行结果省略。生成图片文件如下： 示例如下： import urllib3 # 导入urllib3模块 urllib3.disable_warnings() # 关闭ssl警告 url = 'https://www.httpbin.org/get' # get请求测试地址 headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36'} http = urllib3.PoolManager() # 创建连接池管理对象 r = http.request('GET', url, headers=headers) # 发送GET请求 print(r.data.decode('utf-8')) # 打印返回内容 2.2 设置超时超时的参数与时间可以写在request()方法中，也可以写在PoolManager()实例对象中。 示例： import urllib3 # 导入urllib3模块 urllib3.disable_warnings() # 关闭ssl警告 baidu_url = 'https://www.baidu.com/' # 百度 超时请求测试地址 python_url = 'https://www.python.org/' # Python 超时请求测试地址 http = urllib3.PoolManager() # 创建连接池管理对象 try: r = http.request('GET', baidu_url, timeout=0.01) # 发送GET请求，并设置超时时间为0.01秒 except Exception as error: print('百度超时：', error) http2 = urllib3.PoolManager(timeout=0.1) # 创建连接池管理对象,并设置超时时间为0.1秒 try: r = http2.request('GET', python_url) # 发送GET请求 except Exception as error: print('Python超时：', error)
或者 import urllib3 from urllib3 import Timeout urllib3.disable_warnings() timeout = Timeout(connect=0.5, read=0.1) http = urllib3.PoolManager() http.request('GET', "https://www.python.org/", timeout=timeout) 2.3设置代理设置代理IP需要创建ProxyManager对象，该对象需要有两个参数；proxy_url表示需要使用的代理IP，headers即请求头。 import urllib3 # 导入urllib3模块 url = "http://httpbin.org/ip" # 代理IP请求测试地址 headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.45 Safari/537.36' } # 创建代理管理对象 proxy = urllib3.ProxyManager('xxxxxxxxxxxx', headers=headers) r = proxy.request('get', url, timeout=2.0) # 发送请求 print(r.data.decode()) # 打印返回结果（代理IP自行设置） 3.上传文件request()方法提供了两种比较常用的文件上传方式： ①一种是通过fields参数以元组的形式分别指定文件名、文件内容以及文件类型 ②另一种指定body参数，该参数对应值为图片的二进制数据，然后还需要headers参数指定文件类型 上传文本文件 创建一个test.txt文件放在相同目录下进行测试。 import urllib3 # 导入urllib3模块 import json # 导入json模块 with open('test.txt') as f: # 打开文本文件 data = f.read() # 读取文件 http = urllib3.PoolManager() # 创建连接池管理对象 # 发送网络请求 r = http.request('POST', 'http://httpbin.org/post', fields={'filefield': ('example.txt', data),}) files = json.loads(r.data.decode('utf-8'))['files'] # 获取上传文件内容 print(files)创建一个python.jpg文件放在相同目录下进行测试。 上传图片文件 import urllib3 # 导入urllib3模块 with open('python.jpg', 'rb') as f: # 打开图片文件 data = f.read() # 读取文件 http = urllib3.PoolManager() # 创建连接池管理对象 # 发送请求 r = http.request('POST', 'http://httpbin.org/post', body=data, headers={'Content-Type': 'image/jpeg'}) print(r.data.decode()) # 打印返回结果程序测试结果（部分）： |
可以看出表单中的"中国"两个汉字没有正常显示。而是显示了一段unicode编码，对此可以将编码方式设置为unicode_escape。
如果需要更精准，则可以使用 Timeout 实例对象设置连接超时与读取超时。 示例代码：
【本文地址】
公司简介
联系我们