码迷,mamicode.com
首页 > 编程语言 > 详细

Python3网络爬虫(二):利用urllib.urlopen向有道翻译发送数据获得翻译结果

时间:2018-02-04 18:05:53      阅读:278      评论:0      收藏:0      [点我收藏+]

标签:ret   分享图片   vbscrip   新建   需要   pos   右键   encode   title   

一、urlopen的url参数 Agent

技术分享图片

   url不仅可以是一个字符串,例如:http://www.baidu.com。url也可以是一个Request对象,这就需要我们先定义一个Request对象,然后将这个Request对象作为urlopen的参数使用,方法如下:

# -*- coding: UTF-8 -*-
from urllib import request

if __name__ == "__main__":
    req = request.Request("http://fanyi.baidu.com/")
    response = request.urlopen(req)
    html = response.read()
    html = html.decode("utf-8")
    print(html)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

    同样,运行这段代码同样可以得到网页信息。可以看一下这段代码和上个笔记中代码的不同,对比一下就明白了。

    urlopen()返回的对象,可以使用read()进行读取,同样也可以使用geturl()方法、info()方法、getcode()方法。

技术分享图片

  • geturl()返回的是一个url的字符串;

  • info()返回的是一些meta标记的元信息,包括一些服务器的信息;

  • getcode()返回的是HTTP的状态码,如果返回200表示请求成功。

    关于META标签和HTTP状态码的内容可以自行百度百科,里面有很详细的介绍。

技术分享图片

技术分享图片

    了解到这些,我们就可以进行新一轮的测试,新建文件名urllib_test04.py,编写如下代码:

# -*- coding: UTF-8 -*-
from urllib import request

if __name__ == "__main__":
    req = request.Request("http://fanyi.baidu.com/")
    response = request.urlopen(req)
    print("geturl打印信息:%s"%(response.geturl()))
    print(‘**********************************************‘)
    print("info打印信息:%s"%(response.info()))
    print(‘**********************************************‘)
    print("getcode打印信息:%s"%(response.getcode()))
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

    可以得到如下运行结果:

技术分享图片

二、urlopen的data参数

    我们可以使用data参数,向服务器发送数据。根据HTTP规范,GET用于信息获取,POST是向服务器提交数据的一种请求,再换句话说:

    从客户端向服务器提交数据使用POST;

    从服务器获得数据到客户端使用GET(GET也可以提交,暂不考虑)。

    如果没有设置urlopen()函数的data参数,HTTP请求采用GET方式,也就是我们从服务器获取信息,如果我们设置data参数,HTTP请求采用POST方式,也就是我们向服务器传递数据。

    data参数有自己的格式,它是一个基于application/x-www.form-urlencoded的格式,具体格式我们不用了解, 因为我们可以使用urllib.parse.urlencode()函数将字符串自动转换成上面所说的格式。

三、发送data实例

    向有道翻译发送data,得到翻译结果。

    1.打开有道翻译界面,如下图所示:

技术分享图片

    2.鼠标右键检查,也就是审查元素,如下图所示:

技术分享图片

    3.选择右侧出现的Network,如下图所示:

技术分享图片

    4.在左侧输入翻译内容,输入Jack,如下图所示:

技术分享图片

    5.点击自动翻译按钮,我们就可以看到右侧出现的内容,如下图所示:

技术分享图片

    6.点击上图红框中的内容,查看它的信息,如下图所示:

技术分享图片

技术分享图片

    7.记住这些信息,这是我们一会儿写程序需要用到的。

    新建文件translate_test.py,编写如下代码:

# -*- coding: UTF-8 -*-
from urllib import request
from urllib import parse
import json

if __name__ == "__main__":
    #对应上图的Request URL
    Request_URL = ‘http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=https://www.baidu.com/link‘
    #创建Form_Data字典,存储上图的Form Data
    Form_Data = {}
    Form_Data[‘type‘] = ‘AUTO‘
    Form_Data[‘i‘] = ‘Jack‘
    Form_Data[‘doctype‘] = ‘json‘
    Form_Data[‘xmlVersion‘] = ‘1.8‘
    Form_Data[‘keyfrom‘] = ‘fanyi.web‘
    Form_Data[‘ue‘] = ‘ue:UTF-8‘
    Form_Data[‘action‘] = ‘FY_BY_CLICKBUTTON‘
    #使用urlencode方法转换标准格式
    data = parse.urlencode(Form_Data).encode(‘utf-8‘)
    #传递Request对象和转换完格式的数据
    response = request.urlopen(Request_URL,data)
    #读取信息并解码
    html = response.read().decode(‘utf-8‘)
    #使用JSON
    translate_results = json.loads(html)
    #找到翻译结果
    translate_results = translate_results[‘translateResult‘][0][0][‘tgt‘]
    #打印翻译信息
    print("翻译的结果是:%s" % translate_results)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29

    这样我们就可以查看翻译的结果了,如下图所示:

技术分享图片

    JSON是一种轻量级的数据交换格式,我们需要从爬取到的内容中找到JSON格式的数据,这里面保存着我们想要的翻译结果,再将得到的JSON格式的翻译结果进行解析,得到我们最终想要的样子:杰克。

                                                            技术分享图片

Python3网络爬虫(二):利用urllib.urlopen向有道翻译发送数据获得翻译结果

标签:ret   分享图片   vbscrip   新建   需要   pos   右键   encode   title   

原文地址:https://www.cnblogs.com/Bighua123/p/8413483.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!