urllib 是 python 的內(nèi)置模塊， 主要用于處理url相關(guān)的一些操作，例如訪問url、解析url等操作。

urllib 包下面的 request 模塊主要用于訪問url，但是用得太多，因?yàn)樗墓饷⑷急?code> requests 這個(gè)第三方庫覆蓋了，最常用的還是 parse 模塊。 寫爬蟲過程中，經(jīng)常要對(duì)url進(jìn)行參數(shù)的拼接、編碼、解碼，域名、資源路徑提取等操作，這時(shí) parse 模塊就可以排上用場(chǎng)。

一、urlparse

urlparse 方法是把一個(gè)完整的URL拆分成不同的組成部分，你可以根據(jù)自己的需求提取其中的某部分內(nèi)容。 返回結(jié)果 ParseResult 是 namedtuple 的子類，由以下10部分組成，每部分既可以通過名字獲取也可以通過下表索引得到。

>>> from urllib import parse
>>> url = 'https://mp.weixin.qq.com/s?__biz=MjM5MzgyODQxMQ==&mid=2650366919&idx=1&sn=1b36a9f2c0921cdeac52942ec591a923#rd'
>>> result = parse.urlparse(url)

# 返回ParseResult對(duì)象
>>> print(result)
ParseResult(scheme='https', netloc='mp.weixin.qq.com', path='/s', params='', query='__biz=MjM5MzgyODQxMQ==&mid=2650366919&idx=1&sn=1b36a9f2c0921cdeac52942ec591a923', fragment='rd')

# 通過下標(biāo)獲取協(xié)議
>>> result[0]
'https'

# 協(xié)議
>>> result.scheme
'https'

# url資源路徑
>>> result.path
'/s'

# 查詢參數(shù)
>>> result.query
'__biz=MjM5MzgyODQxMQ==&mid=2650366919&idx=1&sn=1b36a9f2c0921cdeac52942ec591a923'

# 獲取主機(jī)名
>>> result.hostname
'mp.weixin.qq.com'

二、parse_qs

parse_qs 方法是將查詢參數(shù)這部分內(nèi)容從字符串轉(zhuǎn)換成字典對(duì)象

>>> parse.parse_qs(result.query)
{'__biz': ['MjM5MzgyODQxMQ=='], 'mid': ['2650366919'], 'idx': ['1'], 'sn': ['1b36a9f2c0921cdeac52942ec591a923']}
>>>

每個(gè)參數(shù)名對(duì)應(yīng)一個(gè)列表對(duì)象，這是因?yàn)樵趗rl規(guī)范中，一個(gè)參數(shù)名可以有多個(gè)值，例如： a=1&a=2，通常在實(shí)際應(yīng)用場(chǎng)景中一般一個(gè)參數(shù)名只會(huì)對(duì)應(yīng)一個(gè)值。

你可以用一行代碼將列表轉(zhuǎn)化為字符串

>>> {name: value[0] for name, value in parse.parse_qs(result.query).items()}
{'__biz': 'MjM5MzgyODQxMQ==', 'mid': '2650366919', 'idx': '1', 'sn': '1b36a9f2c0921cdeac52942ec591a923'}

三、urlencode

反過來，如果將一個(gè)字典對(duì)象想轉(zhuǎn)換為url中的查詢參數(shù)，那么就可以使用urlencode方法。

>>> d = {'__biz': 'MjM5MzgyODQxMQ==', 'mid': '2650366919', 'idx': '1'}
>>> parse.urlencode(d)
'__biz=MjM5MzgyODQxMQ%3D%3D&mid=2650366919&idx=1'

四、quote

在URL的標(biāo)準(zhǔn)規(guī)范中，url 只允許數(shù)字、字母和部分特殊符號(hào)的存在，如果有中文和某些特殊符號(hào)，就需要使用UTF-8進(jìn)行編碼，將這些字符轉(zhuǎn)換成 %XX 的形式，例如: 【中】UTF-8編碼的結(jié)果是：

>>> "中".encode()
b'\xe4\xb8\xad'

那么瀏覽器實(shí)際上會(huì)把【中】轉(zhuǎn)換成 %e4%b8%ad

在python中，就可以用 quote 方法進(jìn)行URL編碼，對(duì)于特殊符號(hào)，也會(huì)進(jìn)行成對(duì)應(yīng)的16進(jìn)制符號(hào)， 例如 【=】 就轉(zhuǎn)換成了 %3D 。

>>> parse.quote("q=中")
'q%3D%E4%B8%AD'
>>>

quote_plus 可以將空格編碼成“+”

>>> parse.quote_plus("a b")
'a+b'
>>> parse.quote("a b")
'a%20b'

五、unquote

unquote 是 quote 的逆向過程，稱之為URL解碼，解碼方便開發(fā)者閱讀

>>> parse.unquote("q%3D%E4%B8%AD")
'q=中'

以上就是詳解python內(nèi)置模塊urllib的詳細(xì)內(nèi)容，更多關(guān)于python內(nèi)置模塊urllib的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論