Python下载网页的几种方法

2019-11-14 17:41:54

字体：大中小

来源：转载

供稿：网友

get和post方式总结

get方式：以URL字串本身传递数据参数，在服务器端可以从'QUERY_STRING'这个变量中直接读取，效率较高，但缺乏安全性，也无法来处理复杂的数据（只能是字符串，比如在servlet/jsp中就无法处理发挥java的比如vector之类的功能）。

post方式：就传输方式讲参数会被打包在数据报中传输，从CONTENT_LENGTH这个环境变量中读取，便于传送较大一些的数据，同时因为不暴露数据在浏览器的地址栏中，安全性相对较高，但这样的处理效率会受到影响。

get 请求表示客户端请求一个uri，服务器返回客户端请求的uri，post请求表示客户端请求的时候还要提交数据，比喻提交form表单，要提交的数据会放到请求报文的body部分。服务器收到后这样的请求后通常需要来处理这些数据。

在Form里面，可以使用post也可以使用get。它们都是method的合法取值。但是，post和get方法在使用上至少有两点不同：
1、Get方法通过URL请求来传递用户的输入。Post方法通过另外的形式。
2、Get方式的提交你需要用Request.QueryString来取得变量的值，而Post方式提交时，你必须通过Request.Form来访问提交的内容。

仔细研究下面的代码。你可以运行来感受一下：

<!--两个Form只有Method属性不同--><FORM ACTION="getpost.asp" METHOD="get"><INPUT TYPE="text" NAME="Text" VALUE="Hello World"></INPUT><INPUT TYPE="submit" VALUE="" Method="Get"></INPUT></FORM><BR><FORM ACTION="getpost.asp" METHOD="post"><INPUT TYPE="text" NAME="Text" VALUE="Hello World"></INPUT><INPUT TYPE="submit" VALUE="" Method="Post"></INPUT></FORM><BR><BR><% If Request.QueryString("Text") <> "" Then %>通过get方法传递来的字符串是： "<B><%= Request.QueryString("Text") %></B>"<BR><% End If %><% If Request.Form("Text") <> "" Then %>通过Post方法传递来的字符串是： "<B><%= Request.Form("Text") %></B>"<BR><% End If %>

把上面的代码保存为getpost.asp，然后运行，首先测试post方法，这时候，浏览器的url并没有什么变化，返回的结果是：
通过Post方法传递来的字符串是： "Hello World"
然后测试用get方法提交，请注意，浏览器的url变成了：
http://localhost/general/form/getpost.asp?Text=Hello+World
而返回的结果是：
通过get方法传递来的字符串是： "Hello World"
最后再通过post方法提交，浏览器的url还是：
http://localhost/general/form/getpost.asp?Text=Hello+World
而返回的结果变成：
通过get方法传递来的字符串是： "Hello World"
通过Post方法传递来的字符串是： "Hello World"

提示：通过get方法提交数据，可能会带来安全性的问题。比如一个登陆页面。当通过get方法提交数据时，用户名和密码将出现在URL上。如果：
１、登陆页面可以被浏览器缓存；２、其他人可以访问客户的这台机器。
那么，别人即可以从浏览器的历史记录中，读取到此客户的账号和密码。所以，在某些情况下，get方法会带来严重的安全性问题。建议在Form中，建议使用post方法。

Python下载网页的几种方法

通过get的方法：

fd = urllib2.urlopen(url_link)data = fd.read()

使用get方式时，url类似如下格式：

index.jsp?id=100&op=bind

GET报问头如下：

GET /sn/index.php?sn=123&n=asa HTTP/1.1Accept: */*Accept-Language: zh-cnhost: localhostContent-Type: application/x-www-form-urlencodedContent-Length: 12 Connection:close

get方法还可以通过如下方式实现：

def GetHtmlSource_Get(htmurl):    htmSource = ""    try:        urlx = httplib.urlsplit(htmurl)        conn = httplib.HTTPConnection(urlx.netloc)        conn.connect()    #建立连接        conn.putrequest("GET", htmurl, None)    #请求类型        conn.putheader("Content-Length", 0)        conn.putheader("Connection", "close")        conn.endheaders()                res = conn.getresponse()        htmSource = res.read()    except Exception(), err:        trackback.PRint_exec()        conn.close()      return htmSource

使用post方式时，POST方法将请求参数封装在HTTP请求数据中，以名称/值的形式出现，可以传输大量数据，可用来传送文件。POST报文头如下：

POST /sn/index.php HTTP/1.1Accept: */*Accept-Language: zh-cnhost: localhostContent-Type: application/x-www-form-urlencodedContent-Length: 12Connection:closesn=123&n=asa

无论是post还是get方式，他们所传递的数据都要进行url编码。每对name/value由&符分开；每对来自表单的name/value由=符分开；如果用户没有输入值给这个name，那么这个name还是出现，只是无值。；任何特殊的字符（就是那些不是简单的七位ASCII，如汉字）将以百分符%用十六进制编码。urllib库提供了一个函数来实现url的编码：

search=urllib.urlencode({'q'：'python'})#'q=python'

通过post发送请求：

import httplib,urllib; #定义需要进行发送的数据    params = urllib.urlencode({'cat_id':'6',                                'news_title':'标题-Test39875',                                'news_author':'Mobedu',                                'news_ahome':'来源',                                'tjuser':'carchanging',                                'news_keyWord':'|',                                'news_content':'测试-Content',                                'action':'newnew',                                'MM_insert':'true'});     #定义一些文件头    headers = {"Content-Type":"application/x-www-form-urlencoded",                "Connection":"Keep-Alive",
           "Referer":"http://192.168.1.212/newsadd.asp?action=newnew"};     #与网站构建一个连接    conn = httplib.HTTPConnection("192.168.1.212");     #开始进行数据提交   同时也可以使用get进行    conn.request(method="POST",url="/newsadd.asp?action=newnew",body=params,headers=headers);     #返回处理后的数据response = conn.getresponse();     #判断是否提交成功    if response.status == 302:         print "发布成功!";     else:         print "发布失败";     #关闭连接    conn.close();

也可以类似于get方法来实现：

def GetHtmlSource_Post(getString):    htmSource = ""    try:        url = httplib.urlsplit("http://app.sipo.gov.cn:8080")        conn = httplib.HTTPConnection(url.netloc)        conn.connect()        conn.putrequest("POST", "/sipo/zljs/hyjs-jieguo.jsp")    #post方法        conn.putheader("Content-Length", len(getString))        conn.putheader("Content-Type", "application/x-www-form-urlencoded")        conn.putheader("Connection", " Keep-Alive")        conn.endheaders()        conn.send(getString)    #Http包的body                f = conn.getresponse()        if not f:            raise socket.error, "timed out"        htmSource = f.read()        f.close()        conn.close()    except Exception(), err:        trackback.print_exec()        conn.close()    return htmSource