Python程序设计 13.爬虫实现-urllib.pdfVIP

爬虫实现-urllib 主讲：孙国元 华信培训 本章要点 • urllib基本库 • 正则表达式 • Beautiful Soup 1 urllib基本库 概述 • 在Python 2中，有urllib和urllib2两个库来实现请求的发送。而在Python 3中， 已经不存在urllib2这个库了，统一为urllib，其官方文档链接为： /3/library/urllib.html。 • urllib包含如下4个模块： • request ：它是最基本的HTTP请求模块，可以用来模拟发送请求。就像在 浏览器里输入网址然后回车一样，只需要给库方法传入URL以及额外的参 数，就可以模拟实现这个过程了。 • error ：异常处理模块，如果出现请求错误，我们可以捕获这些异常，然 后进行重试或其他操作以保证程序不会意外终止。 • parse ：一个工具模块，提供了许多URL处理方法，比如拆分、解析、合 并等。 • robotparser ：主要是用来识别网站的robots.txt文件，然后判断哪些网站