淺談Python兩大爬蟲庫——urllib庫和requests庫區(qū)別

點擊上方“Python爬蟲與數(shù)據(jù)挖掘”，進行關(guān)注

回復(fù)“書籍”即可獲贈Python從入門到進階共10本電子書

今

日

雞

湯

一、前言

在使用Python爬蟲時，需要模擬發(fā)起網(wǎng)絡(luò)請求，主要用到的庫有requests庫和python內(nèi)置的urllib庫，一般建議使用requests，它是對urllib的再次封裝。

那它們兩者有什么區(qū)別 ?

下面通過案例詳細的講解 ，了解他們使用的主要區(qū)別。

二、urllib庫

簡介：

urllib庫的response對象是先創(chuàng)建http，request對象，裝載到reques.urlopen里完成http請求。

返回的是http，response對象，實際上是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。

例

from urllib import request#請求頭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"}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)

運行結(jié)果：

注意：

通常爬取網(wǎng)頁，在構(gòu)造http請求的時候，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制。

三、requests庫

簡介：

requests庫調(diào)用是requests.get方法傳入url和參數(shù)，返回的對象是Response對象，打印出來是顯示響應(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)頁的header中定義的編碼形式，而content返回的是bytes，二級制型的數(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、文件等二進制文件，就要用content，當(dāng)然decode之后，中文字符也會正常顯示。

requests的優(yōu)勢：

Python爬蟲時，更建議用requests庫。因為requests比urllib更為便捷，requests可以直接構(gòu)造get，post請求并發(fā)起，而urllib.request只能先構(gòu)造get，post請求，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"}url = "http://www.baidu.com/s?"response = requests.get(url, params=wd, headers=headers)data = response.textdata2 = response.contentprint(response)print(type(response))print(data)print(type(data))print(data2)print(type(data2))print(data2.decode())print(type(data2.decode()))

運行結(jié)果 （可以直接獲取整網(wǎng)頁的信息，打印控制臺）：

四、總結(jié)

1. 本文基于Python基礎(chǔ)，主要介紹了urllib庫和requests庫的區(qū)別。

2. 在使用urllib內(nèi)的request模塊時，返回體獲取有效信息和請求體的拼接需要decode和encode后再進行裝載。進行http請求時需先構(gòu)造get或者post請求再進行調(diào)用，header等頭文件也需先進行構(gòu)造。

3. requests是對urllib的進一步封裝，因此在使用上顯得更加的便捷，建議在實際應(yīng)用當(dāng)中盡量使用requests。

4. 希望能給一些對爬蟲感興趣，有一個具體的概念。方法只是一種工具，試著去爬一爬會更容易上手，網(wǎng)絡(luò)也會有很多的坑，做爬蟲更需要大量的經(jīng)驗來應(yīng)付復(fù)雜的網(wǎng)絡(luò)情況。

5. 希望大家一起探討學(xué)習(xí)， 一起進步。

-------------------?End?-------------------

往期精彩文章推薦：

• 一篇文章帶你解析Python進程

• 一篇文章帶你全面解析不一樣的線程

• 一篇文章帶你讀懂批處理命令
  

歡迎大家點贊，留言，轉(zhuǎn)發(fā)，轉(zhuǎn)載，感謝大家的相伴與支持

想加入Python學(xué)習(xí)群請在后臺回復(fù)【入群】

萬水千山總是情，點個【在看】行不行

/今日留言主題/

隨便說一兩句吧~~