2.爬虫基础2

1.post

百度翻译

表单数据处理
    # 处理数据 先变成符合url规则的字符串 然后把再把字符串转换成字节码
    bytes_data = urllib.parse.urlencode(form_data).encode()
    response = urllib.request.urlopen(request, data=bytes_data)

2.ajax

• ajax-get
  豆瓣电影排行榜
  1.分析请求字符串
  start=20&limit=20
  每页10条 显示第页如何写？
  2.发送请求
  ajax的get请求和以前的get请求一样
  只不过获取到的不再是html页面而是json数据
• ajax-post
  肯德基店铺位置
  ajax的post请求和以前的post请求一样
  只不过获取到的不再是html页面而是json数据

.复杂get

    page = 50 * (page - 1)
    query_string = {
        "kw": tieba,
        "pn": page
    }
    url += urllib.parse.urlencode(query_string)
    print(url)
    page_request = urllib.request.Request(url)
    只是案例复杂了一些，和昨天的带参数的get一样，只是这回需要计算分页并保存到本地

4.URLError\HTTPError

异常处理：Exception  官方的异常基类
URLError\HTTPError是Exception的子类，在向url发送请求的时候，会出现的一些异常情况
HTTPError是URLError的子类
所以 如果两个异常都要捕获 要把http放上面 否则都会被URL捕获
try:
    response = urllib.request.urlopen(url)
    print(response)
except urllib.error.HTTPError as e:
    print("HTTP错误")
except urllib.error.URLError as e:
    print("URL地址有误")

5.Handler处理器、自定义Opener

urllib.request.urlopen() 函数实现简单的发送请求，不能定制请求头
引入了构建请求对象
urllib.request.Request() 创建的request对象可以定制头部，但不能实现设置代理、携带cookie等更高级的功能
引入了 Handler和Opener
可以实现代理、携带cookie等高级功能

import urllib.request
import urllib.error

# 1. 创建handler
handler = urllib.request.HTTPHandler()
# 2. 将handler传入函数获取opener
opener = urllib.request.build_opener(handler)
url = "http://www.baidu.com/"
# 3. 通过open()函数来发送请求
# response = opener.open(url)  # 可以传url字符串 也可以传request对象
user_agent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 " \
             "(KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36"
headers = {"User-Agent": user_agent}
request = urllib.request.Request(url, headers=headers)
response = opener.open(request)
print(response)

6.设置代理

代理：作为中间人，帮助客户端（浏览器）访问其他服务器的服务器

代码请求中设置代理

import urllib.request
proxy = {"http": "114.226.65.220:6666"}  # {"协议":"地址:端口"}
# 1. 设置代理使用 ProxyHandler
handler = urllib.request.ProxyHandler(proxy)
# 2. 把创建的handler传入build函数 创建出opener
opener = urllib.request.build_opener(handler)
url = "http://www.baidu.com/s?wd=ip"  # 请求字符串
# 客户端信息
user_agent = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 " \
             "(KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36"
headers = {"User-Agent": user_agent}
request = urllib.request.Request(url, headers=headers)
# 3. 使用opener打开
response = opener.open(request)
# 4. 写入本地文件 以便查看效果
with open("ip.html", "wb") as fp:
    fp.write(response.read())