python中urllib.request和requests的使用及区别详解

Python  /  管理员 发布于 7年前   419

urllib.request

我们都知道，urlopen()方法能发起最基本对的请求发起，但仅仅这些在我们的实际应用中一般都是不够的，可能我们需要加入headers之类的参数,那需要用功能更为强大的Request类来构建了

在不需要任何其他参数配置的时候，可直接通过urlopen()方法来发起一个简单的web请求

发起一个简单的请求

import urllib.requesturl='https://www.douban.com'webPage=urllib.request.urlopen(url)print(webPage)data=webPage.read()print(data)print(data.decode('utf-8'))

urlopen()方法返回的是一个http.client.HTTPResponse对象，需要通过read（）方法做进一步的处理。一般使用read（）后，我们需要用decode（）进行解码，通常为utf-8，经过这些步骤后，最终才获取到我们想要的网页。

添加Headers信息

import urllib.requesturl='https://www.douban.com'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', }response=urllib.request.Request(url=url,headers=headers)webPage=urllib.request.urlopen(response)print(webPage.read().decode('utf-8'))

使用Request类返回的又是一个urllib.request.Request对象了。

通常我们爬取网页，在构造http请求的时候，都需要加上一些额外信息，什么Useragent，cookie等之类的信息，或者添加代理服务器。往往这些都是一些必要的反爬机制

requests

通常而言，在我们使用python爬虫时，更建议用requests库，因为requests比urllib更为便捷，requests可以直接构造get,post请求并发起，而urllib.request只能先构造get，post请求，再发起。

import requestsurl='https://www.douban.com'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',}get_response = requests.get(url,headers=headers,params=None)post_response=requests.post(url,headers=headers,data=None,json=None)print(post_response)print(get_response.text)print(get_response.content)print(get_response.json)

get_response.text得到的是str数据类型。

get_response.content得到的是Bytes类型,需要进行解码。作用和get_response.text类似。

get_response.json得到的是json数据。

总而言之，requests是对urllib的进一步封装，因此在使用上显得更加的便捷，建议小伙伴们在实际应用当中尽量使用requests。

补充知识：python中urllib.request.Request()与urllib.request.urlopen()区别

蟒蛇中urllib.request.Request（）与urllib.request.urlopen（）的区别：

相对于urllib.request.urlopen（）来说urllib.request.Request是进一步的包装请求，下面是请求类的源码示例：

class Request:    # 主要看这块，构造函数中指明了Request进一步包装请求中可以传递的参数有（url，data，headers，  # origin_req_host，unverifiable，method）   def __init__(self, url, data=None, headers={},         origin_req_host=None, unverifiable=False,         method=None):    self.full_url = url    self.headers = {}    self.unredirected_hdrs = {}    self._data = None    self.data = data    self._tunnel_host = None    for key, value in headers.items():      self.add_header(key, value)    if origin_req_host is None:      origin_req_host = request_host(self)    self.origin_req_host = origin_req_host    self.unverifiable = unverifiable    if method:      self.method = method  pass

我们可以这样使用（以下是模拟有道字典翻译发送的请求）：

# 请求地址urlurl = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule" # 请求头request_headers = {  'Host':'fanyi.youdao.com',  "User-Agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36",} # 发送给服务器的表单form_data = {  "i": word,  "from": "AUTO",  "to": "AUTO",  "smartresult": "dict",  "doctype": "json",  "version": "2.1",  "keyfrom": "fanyi.web",  "action": "FY_BY_REALTIME",  "typoResult": "false"} # POST发送的data必须为bytes或bytes类型的可迭代对象，不能是字符串form_data = urllib.parse.urlencode(form_data).encode() # 构造请求对象Requestreq = urllib.request.Request(url, data=form_data, headers=request_headers) # 发起请求response = urllib.request.urlopen(req)data = response.read().decode()print(data)

所以，总的来说，如果我们在获取请求对象时，不需要过多的参数传递，我么可以直接选择urllib.request.urlopen（）;如果需要进一步的包装请求，则需要用urllib.request里。的urlopen（）进行包装处理。

以上这篇python中urllib.request和requests的使用及区别详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。