python爬虫 urllib模块url编码处理详解
案例：爬取使用搜狗根据指定词条搜索到的页面数据（例如爬取词条为‘周杰伦'的页面数据）
importurllib.request
#1.指定url
url='https://www.sogou.com/web?query=周杰伦'
'''
2.发起请求:使用urlopen函数对指定的url发起请求，
该函数返回一个响应对象，urlopen代表打开url
'''
response=urllib.request.urlopen(url=url)
#3.获取响应对象中的页面数据:read函数可以获取响应对象中存储的页面数据(byte类型的数据值)
page_text=response.read()
#4.持久化存储：将爬取的页面数据写入文件进行保存
withopen("sougou.html","wb")asf:
f.write(page_text)
print("写入数据成功")
f.close()
编码错误
【注意】上述代码中url存在非ascii编码的数据，则该url无效。如果对其发起请求，则会报如下错误：
UnicodeEncodeError:'ascii'codeccan'tencodecharactersinposition15-17:ordinalnotinrange(128)
url的特性：url不可以存在非ASCII编码字符数据，url必须为ASCII编码的数据值。所以我们在爬虫代码中编写url时，如果url中存在非ASCII编码的数据值，则必须对其进行ASCII编码后，该url方可被使用。
上面的“周杰伦”不是ASCII编码字符数据，所以url就会变成无效的url，不符合url特性，所以报错误
所以必须对url中的非ascii的数据进行ascii的编码，则该url方可被发起请求：
需要用到urllib.parse
方法1：使用quote函数
quote函数作用：对url中所存在的特殊字符进行ASCII的编码，把url中的非ascii编码的字符单独取出来，使用quote函数进行转码，
转码之后，把转码的结果拼接到原有的url当中。
importurllib.request
importurllib.parse
#1.指定url
url='https://www.sogou.com/web?query=周杰伦'
word=urllib.parse.quote("周杰伦")
#查看转码后结果
print(word)
#%E5%91%A8%E6%9D%B0%E4%BC%A6
fromurllib.requestimporturlopen
importurllib.parse
#1.指定url
url='https://www.sogou.com/web?query='
#url的特性：url不可以存在非ASCII编码字符数据
word=urllib.parse.quote("周杰伦")
#将编码后的数据值拼接回url中
url=url+word#有效url
'''
2.发起请求:使用urlopen函数对指定的url发起请求，
该函数返回一个响应对象，urlopen代表打开url
'''
response=urlopen(url=url)
#3.获取响应对象中的页面数据:read函数可以获取响应对象中存储的页面数据(byte类型的数据值)
page_text=response.read()
#4.持久化存储：将爬取的页面数据写入文件进行保存
withopen("周杰伦.html","wb")asf:
f.write(page_text)
print("写入数据成功")
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。