【python学习】爬虫中常使用的urllib和requests库的的背景、定义、特点、功能、代码示例以及两者的区别

news2024/9/21 16:33:51

引言

urllib是Python标准库中的一个模块，它提供了一系列用于操作URL的功能
requests是一个Python第三方库，由Kenneth Reitz创建，用于简化HTTP客户端的编程

一、`urllib`的定义

urllib可以操作url，主要分为以下几个子模块：

1.1 `urllib.request`

用于打开和读取URLs

1.2 `urllib.error`

包含urllib.request引发的异常

1.3 `urllib.parse`

用于解析URLs

1.4 `urllib.robotparser`

用于解析robots.txt文件

二、`urllib`的特点

2.1 内置

urllib是Python标准库的一部分，因此不需要额外安装

2.2 功能全面

支持多种网络协议，包括HTTP、HTTPS、FTP等

2.3 易于使用

提供了简单易用的API，适合进行简单的网络请求操作

三、`urllib`的功能

3.1 打开URLs

使用urllib.request.urlopen()函数可以轻松打开一个URL

3.2 发送请求

支持发送GET、POST等HTTP请求

3.3 处理异常

urllib.error模块可以捕获和处理网络请求过程中出现的异常

3.4 解析URLs

urllib.parse模块可以解析和构造URLs

3.5 遵守robots.txt

urllib.robotparser模块可以帮助遵守网站的爬虫访问规则

四、`urllib`的代码示例

以下是使用urllib模块进行网络请求的几个示例：

4.1 发送GET请求

import urllib.request
# 发送GET请求
with urllib.request.urlopen('http://www.example.com') as response:
    html = response.read()
    print(html.decode('utf-8'))

4.2 发送POST请求

import urllib.request
import urllib.parse
url = 'http://httpbin.org/post'
values = {'key': 'value'}
data = urllib.parse.urlencode(values)
data = data.encode('utf-8')  # data should be bytes
req = urllib.request.Request(url, data=data, method='POST')
with urllib.request.urlopen(req) as response:
    print(response.read().decode('utf-8'))

4.3 处理异常

import urllib.request
import urllib.error
try:
    response = urllib.request.urlopen('http://www.example.com/404')
except urllib.error.HTTPError as e:
    print(f'HTTPError: {e.code} {e.reason}')
except urllib.error.URLError as e:
    print(f'URLError: {e.reason}')

4.4 解析URLs

from urllib.parse import urlparse
result = urlparse('http://www.example.com/index.html;user?id=5#comment')
print(result)
# 输出：ParseResult(scheme='http', netloc='www.example.com', path='/index.html', params='user', query='id=5', fragment='comment')

以上示例展示了urllib库的一些基本用法，包括如何发送HTTP请求、如何处理请求异常以及如何解析URLs。由于urllib库功能丰富，这些示例只是冰山一角。

五、`requests`的定义

requests是基于urllib3，提供了一个更加用户友好的API来发送HTTP/1.1请求

六、`requests`的特点

6.1 简洁易用

requests的API设计简洁直观，易于上手和使用

6.2 功能丰富

支持HTTP连接保持和连接池，支持SSL/TLS验证，支持国际化和本地化等

6.3 无需手动处理编码

自动处理HTTP响应内容的编码问题

6.4 支持会话与 cookies

能够使用会话对象来跨请求保持某些参数，如cookies

6.5 支持插件

requests支持插件，可以轻松扩展其功能

七、`requests`的功能

7.1 发送各种HTTP请求（GET, POST, PUT, DELETE, HEAD, OPTIONS等）

7.2 处理请求参数、URL、头信息和内容数据

7.3 处理HTTP响应内容，包括JSON、XML、HTML等

7.4 使用会话对象来跨请求保持某些参数

7.5 上传文件

7.6 处理SSL证书验证

7.7 设置代理

7.8 异常处理

八、`requests`的安装

8.1 `requests`不是Python标准库的一部分，需要通过以下命令安装：

pip install requests

8.2 若是在pycharm中则按下图所示操作：

在这里插入图片描述

九、`requests`的代码示例

以下是使用requests库进行网络请求的几个示例：

9.1 发送GET请求

import requests
response = requests.get('https://api.github.com/user', params={'username': 'example'})
print(response.json())

9.2 发送POST请求

import requests
data = {'key1': 'value1', 'key2': 'value2'}
response = requests.post('http://httpbin.org/post', data=data)
print(response.text)

9.3 使用会话对象

import requests
s = requests.Session()
s.get('http://httpbin.org/cookies/set/sessioncookie/123456789')
response = s.get("http://httpbin.org/cookies")
print(response.text)

9.4 异常处理

import requests
from requests.exceptions import HTTPError, ConnectionError, Timeout, RequestException
try:
    response = requests.get('https://api.github.com', timeout=5)
    response.raise_for_status()
except HTTPError as http_err:
    print(f'HTTP error occurred: {http_err}')
except ConnectionError as conn_err:
    print(f'Connection error occurred: {conn_err}')
except Timeout as timeout_err:
    print(f'Timeout error occurred: {timeout_err}')
except RequestException as req_err:
    print(f'Oh no, something bad happened: {req_err}')

9.5 上传文件

import requests
files = {'file': open('report.xls', 'rb')}
response = requests.post('http://httpbin.org/post', files=files)
print(response.text)

这些示例展示了requests库的几个核心功能

发送请求
处理响应
使用会话
异常处理
上传文件

requests库因其简洁和强大而成为Python中处理HTTP请求的常用库

十、`urllib`和`requests`的区别

urllib和requests都是Python中用于发送HTTP请求的库，但它们在API设计、易用性、功能性和社区支持等方面存在一些显著的区别

10.1 API设计和易用性

urllib：
- 作为Python标准库的一部分，无需额外安装
- 提供了较低级别的API，使用起来较为复杂，需要编写更多的代码来完成相同的任务
- 异常处理较为分散，需要分别捕获不同类型的异常
requests：
- 需要单独安装，不是Python标准库的一部分
- 提供了简洁、直观的API，使得发送请求和处理响应变得极其简单
- 异常处理更加统一，通过requests.exceptions模块来捕获和处理各种异常

10.2 功能性

urllib：
- 功能相对基础，适合进行简单的请求
- 对于复杂的任务，如会话保持、cookie处理、SSL验证等，需要更多的手动操作
requests：
- 功能更加全面，内置了会话对象、cookie持久化、SSL验证、连接池、JSON响应解析等高级功能
- 支持插件，可以轻松扩展其功能

10.3 社区支持

urllib：
- 作为标准库的一部分，更新周期与Python相同，通常较为稳定
- 社区支持主要通过Python官方渠道
requests：
- 社区驱动，更新频繁，社区支持广泛
- 由于是第三方库，可能包含更多最新的特性和改进

10.4 性能

urllib：
- 对于简单的请求，性能通常足够
- 对于复杂的请求或并发操作，可能需要额外的库（如http.client）来优化
requests：
- 内部使用了urllib3，因此在性能上有所优化，尤其是在并发请求时

示例对比

以下是使用urllib和requests发送GET请求的简单示例对比：
使用urllib发送GET请求：

import urllib.request
import urllib.error
try:
    with urllib.request.urlopen('http://example.com') as response:
        data = response.read()
        print(data.decode('utf-8'))
except urllib.error.HTTPError as e:
    print(f'HTTPError: {e.code} {e.reason}')
except urllib.error.URLError as e:
    print(f'URLError: {e.reason}')

使用requests发送GET请求：

import requests
response = requests.get('http://example.com')
print(response.text)

使用requests发送网络请求通常更加简洁明了
然而，由于urllib是Python标准库的一部分，因此在不允许安装第三方库的环境中，urllib可能是唯一的选择

十一、总结（思维导图）

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1935697.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！