Python爬蟲之urllib.parse
轉載地址
Python 中的 urllib.parse 模塊提供了很多解析和組建 URL 的函數。
解析url
解析url（?urlparse()?）
urlparse() 函數可以將 URL 解析成 ParseResult 對象。對象中包含了六個元素，分別為：
協議（scheme）
域名（netloc）
路徑（path）
路徑參數（
params
）
查詢參數（query）
片段（fragment）
?
from
urllib.parse
import
urlparse
url
=
'
https://blog.csdn.net/xc_zhou/article/details/80907101
'
parsed_result
=
urlparse(url)
print
(
'
parsed_result 包含了
'
,len(parsed_result),
'
個元素
'
)
print
(parsed_result)
print
(
'
scheme :
'
, parsed_result.scheme)
print
(
'
netloc :
'
, parsed_result.netloc)
print
(
'
path :
'
, parsed_result.path)
print
(
'
params :
'
, parsed_result.params)
print
(
'
query :
'
, parsed_result.query)
print
(
'
fragment:
'
, parsed_result.fragment)
print
(
'
username:
'
, parsed_result.username)
print
(
'
password:
'
, parsed_result.password)
print
(
'
hostname:
'
, parsed_result.hostname)
print
(
'
port :
'
, parsed_result.port)
結果為：
parsed_result 包含了 6
個元素
ParseResult(scheme
=
'
http
'
, netloc=
'
user:pwd@domain:80
'
, path=
'
/path
'
, params=
'
params
'
, query=
'
query=queryarg
'
, fragment=
'
fragment
'
)
scheme : http
netloc : user:pwd@domain:
80
path :
/
path
params : params
query : query
=
queryarg
fragment: fragment
username: user
password: pwd
hostname: domain
port :
80
?
?
解析url（ urlsplit()?）
?urlsplit() 函數也能對 URL 進行拆分，所不同的是， urlsplit() 并不會把 路徑參數(params) 從 路徑(path) 中分離出來。
當 URL 中路徑部分包含多個參數時，使用 urlparse() 解析是有問題的
這時可以使用 urlsplit() 來解析：
from
urllib.parse
import
urlsplit
url
=
'
http://user:pwd@domain:80/path1;params1/path2;params2?query=queryarg#fragment
'
split_result
=
urlsplit(url)
print
(split_result)
print
(
'
split.path :
'
, split_result.path)
#
SplitResult 沒有 params 屬性
結果為：
SplitResult(scheme=
'
http
'
, netloc=
'
user:pwd@domain:80
'
, path=
'
/path1;params1/path2;params2
'
, query=
'
query=queryarg
'
, fragment=
'
fragment
'
)
split.path :
/path1;params1/path2;params2
?
解析url（urldefrag()）
from
urllib.parse
import
urldefrag
url
=
'
http://user:pwd@domain:80/path1;params1/path2;params2?query=queryarg#fragment
'
d
=
urldefrag(url)
print
(d)
print
(
'
url :
'
, d.url)
print
(
'
fragment:
'
, d.fragment)
結果為：
DefragResult(url=
'
http://user:pwd@domain:80/path1;params1/path2;params2?query=queryarg
'
, fragment=
'
fragment
'
)
url : http:
//user:pwd@domain:80/path1;params1/path2;params2?query=
queryarg
fragment: fragment
?
?
組建URL
組建url（urlunparse()）
urlunparse()接收一個列表的參數，而且列表的長度是有要求的，是必須六個參數以上，否則拋出異常。
from
urllib.parse
import
urlunparse
url_compos
= (
'
http
'
,
'
user:pwd@domain:80
'
,
'
/path1;params1/path2
'
,
'
params2
'
,
'
query=queryarg
'
,
'
fragment
'
)
print
(urlunparse(url_compos))
結果為：
http://user:pwd@domain:80/path1;params1/path2;params2?query=queryarg
#
fragment
?
?
組建url（urljoin()）
urljoin()將兩個字符串拼接成url，
from
urllib.parse
import
urljoin
#
連接兩個參數的url, 將第二個參數中缺的部分用第一個參數的補齊,如果第二個有完整的路徑，則以第二個為主
print
(urljoin(
'
https://movie.douban.com/
'
,
'
index
'
))
print
(urljoin(
'
https://movie.douban.com/
'
,
'
https://accounts.douban.com/login
'
))
結果為：
https://movie.douban.com/
index
https:
//accounts.douban.com/login
?
?
查詢參數的構造與解析
?
使用 urlencode() 函數可以將一個 dict 轉換成合法的查詢參數：
from
urllib.parse
import
urlencode
query_args
=
{
'
name
'
:
'
dark sun
'
,
'
country
'
:
'
中國
'
}
query_args
=
urlencode(query_args)
print
(query_args)
結果為：
name=dark+sun&country=%E4%B8%AD%E5%9B%BD
?
使用 parse_qs() 來將查詢參數解析成 dict。
from
urllib.parse
import
urlencode
from
urllib.parse
import
parse_qs
query_args
=
{
'
name
'
:
'
dark sun
'
,
'
country
'
:
'
中國
'
}
query_args
=
urlencode(query_args)
print
(query_args)
print
(parse_qs(query_args))
結果為：
name=dark+sun&country=%E4%B8%AD%E5%9B%
BD
{
'
name
'
: [
'
dark sun
'
],
'
country
'
: [
'
中國
'
]}
?
quote()與unquote()
quoteI()對特殊字符進行轉義unquote()則相反。
from
urllib.parse
import
quote
from
urllib.parse
import
unquote
test1
= quote(
'
中文
'
)
print
(test1)
test2
=
unquote(test1)
print
(test2)
結果為：
%E4%B8%AD%E6%96%87
中文
?
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
