url.parse:定义了url的标准接口,实现url的各种抽取
parse模块的使用:url的解析、合并、编码、解码
使用时需导入
from urllib import parse
urlparse():实现URL的识别和分段
url = 'https://book.qidian.com/info/1004608738?wd=123&page=20#Catalog'
url:待解析的url
scheme='':假如解析的url没有协议,可以设置默认的协议,如果url有协议,设置此参数无效
allow_fragments=True:是否忽略锚点,默认为True表示不忽略,为False表示忽略
result = parse.urlparse(url=url,scheme='http',allow_fragments=True)
print(result)
print(result.scheme)
(scheme='https', netloc='book.qidian.com', path='/info/1004608738', params='',
query='wd=123&page=20', fragment='Catalog')
scheme:表示协议
netloc:域名
path:路径
params:参数
query:查询条件,一般都是get请求的url
fragment:锚点,用于直接定位页面的下拉位置,跳转到网页的指定位置
urlunparse()可以实现URL的构造
url_parmas = ('https', 'book.qidian.com', '/info/1004608738', '', 'wd=123&page=20', 'Catalog')
#components:是一个可迭代对象,长度必须为6
result = parse.urlunparse(url_parmas)
print(result)
打印结果
'https://book.qidian.com/info/1004608738?wd=123&page=20#Catalog'
urljoin():传递一个基础链接,根据基础链接可以将某一个不完整的链接拼接为整链接
base_url = 'https://book.qidian.com/info/1004608738?wd=123&page=20#Catalog'
sub_url = '/info/100861102'
full_url = parse.urljoin(base_url,sub_url)
print(full_url)
urlencode():将字典构形式的参数序列化为url编码后的字符串
#(常用来构造get请求和post请求的参数)k1=v1&k2=v2
parmas = {'wd':'123','page':20}
parmas_str = parse.urlencode(parmas)
print(parmas_str)
打印结果:
page=20&wd=123
parse_qs():将url编码格式的参数反序列化为字典类型
parmas_str = 'page=20&wd=123'
parmas = parse.parse_qs(parmas_str)
print(parmas)
打印结果:
{'page': ['20'], 'wd': ['123']}
quote():可以将中文转换为URL编码格式
word = '中国梦'
url = 'http://www.baidu.com/s?wd='+parse.quote(word)
print(parse.quote(word))
print(url)
打印结果:
'%E4%B8%AD%E5%9B%BD%E6%A2%A6'
'http://www.baidu.com/s?wd=%E4%B8%AD%E5%9B%BD%E6%A2%A6'
unquote:可以将URL编码进行解码:
url = 'http://www.baidu.com/s?wd=%E4%B8%AD%E5%9B%BD%E6%A2%A6'
print(parse.unquote(url))
打印结果:
"http://www.baidu.com/s?wd=中国梦"