一、urlopen的url參數 Agent
url不僅可以是一個字符串，例如:https://baike.baidu.com/。url也可以是一個Request對象，這就需要我們先定義一個Request對象，然后將這個Request對象作為urlopen的參數使用，
代碼:
1 from urllib import request 2 3 if __name__ == "__main__": 4 req = request.Request("https://baike.baidu.com//") 5 response = request.urlopen(req) 6 html = response.read() 7 html = html.decode("utf-8") 8 print(html)
運行之后，結果就不做展示了。
urlopen()返回的對象，可以使用read()進行讀取，同樣也可以使用geturl()方法、info()方法、getcode()方法。
-
geturl()返回的是一個url的字符串；
-
info()返回的是一些meta標記的元信息，包括一些服務器的信息；
-
getcode()返回的是HTTP的狀態碼，如果返回200表示請求成功。
下面更新代碼，進行下面的測試：
from urllib import request if __name__=="__main__": re=request.Request("http://baike.baidu.com") response=request.urlopen(re) print("geturl打印信息：%s"%(response.geturl())) print('**********************************************') print("info打印信息：%s"%(response.info())) print('**********************************************') print("getcode打印信息：%s"%(response.getcode()))
二、urlopen的data參數
我們可以使用data參數，向服務器發送數據。根據HTTP規范，GET用於信息獲取，POST是向服務器提交數據的一種請求，再換句話說：
從客戶端向服務器提交數據使用POST；
從服務器獲得數據到客戶端使用GET(GET也可以提交，暫不考慮)。
如果沒有設置urlopen()函數的data參數，HTTP請求采用GET方式，也就是我們從服務器獲取信息，如果我們設置data參數，HTTP請求采用POST方式，也就是我們向服務器傳遞數據。
data參數有自己的格式，它是一個基於application/x-www.form-urlencoded的格式，具體格式我們不用了解， 因為我們可以使用urllib.parse.urlencode()函數將字符串自動轉換成上面所說的格式。
三、發送data實例
遇到一些問題，我也暫時使用有道翻譯，以后有好的方法更新這部分關於百度百科的爬取。
向有道翻譯發送數據，得到網頁反饋：
1.打開界面
2.鼠標右鍵檢查元素
3.選擇網絡/network
4.在搜索輸入框 輸入查找內容，“network”界面出現了大量內容。
5.得到下方內容：
編寫新程序：
from urllib import request from urllib import parse import json if __name__ == "__main__": Request_URL = 'http://fanyi.youdao.com/translate_o?smartresult=dict&smartresult=rule' Form_Data = {} Form_Data['i'] = 'Web' Form_Data['from'] = 'AUTO' Form_Data['to'] = 'AUTO' Form_Data['smartresult'] = 'dict' Form_Data['client'] = 'fanyideskweb' Form_Data['salt'] = '1524700622507' Form_Data['sign'] = 'c8c86253bcfb23d8405ab58cc0d2b5fa' Form_Data['doctype'] = 'json' Form_Data['xmlVersion'] = '2.1' Form_Data['keyfrom'] = 'fanyi.web' Form_Data['action'] = 'FY_BY_CLICKBUTTON' data = parse.urlencode(Form_Data).encode('utf-8') response = request.urlopen(Request_URL,data) html = response.read().decode('utf-8') translate_results = json.loads(html) translate_results = translate_results['translateResult'][0][0]['tgt'] print("翻譯的結果是：%s" % translate_results)
報錯：
RESTART: C:\Users\DELL\AppData\Local\Programs\Python\Python36\urllib_test01.py
Traceback (most recent call last):
File "C:\Users\DELL\AppData\Local\Programs\Python\Python36\urllib_test01.py", line 23, in <module>
translate_results = translate_results['translateResult'][0][0]['tgt']
KeyError: 'translateResult'
這是因為data['salt']是時間戳,data['sign']是時間戳和翻譯內容加密后生成的，因為不知道網站的加密方法，
在這里選擇調整uri和data，並根據http://bbs.fishc.com/thread-98973-1-1.html這里的帖子做出調整：
import os,urllib.request import urllib.parse import json a = 5 while a > 0: txt = input('輸入要翻譯的內容:') if txt == '0': break else: url = 'http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&sessionFrom=https://www.baidu.com/link' data = { 'from':'AUTO', 'to':'AUTO', 'smartresult':'dict', 'client':'fanyideskweb', 'salt':'1524700622507', 'sign':'c8c86253bcfb23d8405ab58cc0d2b5fa', 'doctype':'json', 'version':'2.1', 'keyfrom':'fanyi.web', 'action':'FY_BY_CL1CKBUTTON', 'typoResult':'false'} data['i'] = 'Web' data = urllib.parse.urlencode(data).encode('utf - 8') wy = urllib.request.urlopen(url,data) html = wy.read().decode('utf - 8') print(html) ta = json.loads(html) print('翻譯結果: %s '% (ta['translateResult'][0][0]['tgt'])) a = a - 1
結果為:
JSON是一種輕量級的數據交換格式，我們需要在爬取到的內容中找到JSON格式的數據，再將得到的JSON格式的翻譯結果進行解析。
總而言之，這部分的內容我終於結束了，debug太耗費時間了！