建站
咨詢
售后
建站咨詢
新聞中心
[[400370]]
一、前言
在使用Python爬蟲時(shí)，需要模擬發(fā)起網(wǎng)絡(luò)請(qǐng)求，主要用到的庫(kù)有requests庫(kù)和python內(nèi)置的urllib庫(kù)，一般建議使用requests，它是對(duì)urllib的再次封裝。
那它們兩者有什么區(qū)別 ?
下面通過案例詳細(xì)的講解 ，了解他們使用的主要區(qū)別。
二、urllib庫(kù)
簡(jiǎn)介：
urllib庫(kù)的response對(duì)象是先創(chuàng)建http，request對(duì)象，裝載到reques.urlopen里完成http請(qǐng)求。
返回的是http，response對(duì)象，實(shí)際上是html屬性。使用.read().decode()解碼后轉(zhuǎn)化成了str字符串類型，decode解碼后中文字符能夠顯示出來(lái)。
例
- from urllib import request
- #請(qǐng)求頭
- headers = {
- "User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36'
- }
- wd = {"wd": "中國(guó)"}
- url = "http://www.baidu.com/s?"
- req = request.Request(url, headers=headers)
- response = request.urlopen(req)
- print(type(response))
- print(response)
- res = response.read().decode()
- print(type(res))
- print(res)
運(yùn)行結(jié)果：
注意：
通常爬取網(wǎng)頁(yè)，在構(gòu)造http請(qǐng)求的時(shí)候，都需要加上一些額外信息，什么Useragent，cookie等之類的信息，或者添加代理服務(wù)器。往往這些都是一些必要的反爬機(jī)制。
三、requests庫(kù)
簡(jiǎn)介：
requests庫(kù)調(diào)用是requests.get方法傳入url和參數(shù)，返回的對(duì)象是Response對(duì)象，打印出來(lái)是顯示響應(yīng)狀態(tài)碼。
通過.text 方法可以返回是unicode 型的數(shù)據(jù)，一般是在網(wǎng)頁(yè)的header中定義的編碼形式，而content返回的是bytes，二級(jí)制型的數(shù)據(jù)，還有 .json方法也可以返回json字符串。
如果想要提取文本就用text，但是如果你想要提取圖片、文件等二進(jìn)制文件，就要用content，當(dāng)然decode之后，中文字符也會(huì)正常顯示。
requests的優(yōu)勢(shì)：
Python爬蟲時(shí)，更建議用requests庫(kù)。因?yàn)閞equests比urllib更為便捷，requests可以直接構(gòu)造get，post請(qǐng)求并發(fā)起，而urllib.request只能先構(gòu)造get，post請(qǐng)求，再發(fā)起。
例：
- import requests
- headers = {
- "User-Agent": "Mozilla/5.0 (Linux; U; Android 8.1.0; zh-cn; BLA-AL00 Build/HUAWEIBLA-AL00) AppleWebKit/537.36 (KHTML, like Gecko) Version/4.0 Chrome/57.0.2987.132 MQQBrowser/8.9 Mobile Safari/537.36"
- }
- wd = {"wd": "中國(guó)"}
- url = "http://www.baidu.com/s?"
- response = requests.get(url, params=wd, headers=headers)
- data = response.text
- data2 = response.content
- print(response)
- print(type(response))
- print(data)
- print(type(data))
- print(data2)
- print(type(data2))
- print(data2.decode())
- print(type(data2.decode()))
運(yùn)行結(jié)果 (可以直接獲取整網(wǎng)頁(yè)的信息，打印控制臺(tái))：
四、總結(jié)
本文基于Python基礎(chǔ)，主要介紹了urllib庫(kù)和requests庫(kù)的區(qū)別。
在使用urllib內(nèi)的request模塊時(shí)，返回體獲取有效信息和請(qǐng)求體的拼接需要decode和encode后再進(jìn)行裝載。進(jìn)行http請(qǐng)求時(shí)需先構(gòu)造get或者post請(qǐng)求再進(jìn)行調(diào)用，header等頭文件也需先進(jìn)行構(gòu)造。
requests是對(duì)urllib的進(jìn)一步封裝，因此在使用上顯得更加的便捷，建議在實(shí)際應(yīng)用當(dāng)中盡量使用requests。
希望能給一些對(duì)爬蟲感興趣，有一個(gè)具體的概念。方法只是一種工具，試著去爬一爬會(huì)更容易上手，網(wǎng)絡(luò)也會(huì)有很多的坑，做爬蟲更需要大量的經(jīng)驗(yàn)來(lái)應(yīng)付復(fù)雜的網(wǎng)絡(luò)情況。
希望大家一起探討學(xué)習(xí)， 一起進(jìn)步。
網(wǎng)站標(biāo)題：淺談Python兩大爬蟲庫(kù)—urllib庫(kù)和requests庫(kù)區(qū)別
網(wǎng)站網(wǎng)址：http://www.5511xx.com/article/dhoicpo.html
