浅谈Python两大爬虫库—urllib库和requests库区别

时间：2021-10-31 12:38:57

浅谈Python两大爬虫库—urllib库和requests库区别

一、前言

 

在使用Python爬虫时，需要模拟发起网络请求，主要用到的库有requests库和python内置的urllib库，一般建议使用requests，它是对urllib的再次封装。

那它们两者有什么区别 ?

下面通过案例详细的讲解 ，了解他们使用的主要区别。

二、urllib库

 

简介：

urllib库的response对象是先创建http，request对象，装载到reques.urlopen里完成http请求。

返回的是http，response对象，实际上是html属性。使用.read().decode()解码后转化成了str字符串类型，decode解码后中文字符能够显示出来。

例

  1. from urllib import request 
  2. #请求头 
  3. headers = { 
  4.     "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' 
  5. } 
  6. wd = {"wd": "中国"} 
  7. url = "http://www.baidu.com/s?" 
  8. req = request.Request(url, headers=headers) 
  9. response = request.urlopen(req) 
  10. print(type(response)) 
  11. print(response) 
  12. res = response.read().decode() 
  13. print(type(res)) 
  14. print(res) 

运行结果：

浅谈Python两大爬虫库—urllib库和requests库区别

注意：

通常爬取网页，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。

三、requests库

 

简介：

requests库调用是requests.get方法传入url和参数，返回的对象是Response对象，打印出来是显示响应状态码。

通过.text 方法可以返回是unicode 型的数据，一般是在网页的header中定义的编码形式，而content返回的是bytes，二级制型的数据，还有 .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图片、文件等二进制文件，就要用content，当然decode之后，中文字符也会正常显示。

requests的优势：

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。

例：

  1. import requests 
  2.  
  3. headers = { 
  4.     "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" 
  5. } 
  6. wd = {"wd": "中国"} 
  7. url = "http://www.baidu.com/s?" 
  8. response = requests.get(url, params=wd, headers=headers) 
  9. data = response.text 
  10. data2 = response.content 
  11. print(response) 
  12. print(type(response)) 
  13. print(data) 
  14. print(type(data)) 
  15. print(data2) 
  16. print(type(data2)) 
  17. print(data2.decode()) 
  18. print(type(data2.decode())) 

运行结果 (可以直接获取整网页的信息，打印控制台)：

浅谈Python两大爬虫库—urllib库和requests库区别

四、总结

 

本文基于Python基础，主要介绍了urllib库和requests库的区别。

在使用urllib内的request模块时，返回体获取有效信息和请求体的拼接需要decode和encode后再进行装载。进行http请求时需先构造get或者post请求再进行调用，header等头文件也需先进行构造。

requests是对urllib的进一步封装，因此在使用上显得更加的便捷，建议在实际应用当中尽量使用requests。

希望能给一些对爬虫感兴趣，有一个具体的概念。方法只是一种工具，试着去爬一爬会更容易上手，网络也会有很多的坑，做爬虫更需要大量的经验来应付复杂的网络情况。

希望大家一起探讨学习， 一起进步。

原文链接：https://mp.weixin.qq.com/s/lvI-nWipEG6pfyzfepbTQg

标签：

相关文章