爬虫学习（1）：urlopen库使用

以爬取CSDN为例子： 第一步：导入请求库 第二步：打开请求网址 第三步：打印源码

import urllib.request
response=urllib.request.urlopen("https://www.csdn.net/?spm=1011.2124.3001.5359")
print(response.read().decode('utf-8'))

结果大概就是这个样子：

好的，继续，看看打印的是什么类型的：

import urllib.request
response=urllib.request.urlopen("https://www.csdn.net/?spm=1011.2124.3001.5359")
# print(response.read().decode('utf-8'))
print(type(response))

结果： 知道这个类型就行了，不废话的去解读

ok,再看看别的，比如（解释都在注释了）

import urllib.request
response=urllib.request.urlopen("https://www.csdn.net/?spm=1011.2124.3001.5359")
# print(response.read().decode('utf-8'))
print(type(response))#打印网页类型
print(response.status)#打印返回结果的状态
print(response.getheaders())#打印响应头信息

返回状态是200嘛就代表请求成功了

再来看看timeout使用：设置请求时间最长可以是多久，超过就不请求了

import urllib.request
response=urllib.request.urlopen("https://www.csdn.net/?spm=1011.2124.3001.5359",timeout=0.1)
# print(response.read().decode('utf-8'))
# print(type(response))#打印网页类型
# print(response.status)#打印返回结果的状态
# print(response.getheaders())#打印响应头信息
print(response.read())

为了显示出报错，我就设置了时间为0.1秒，timeout就直接放在打开网页旁边就好了：报错The read operation timed out就是请求超时，0.1秒嘛，肯定超过0.1秒了，就自然报错了

最基本爬取网页，后续待更新