静态网页源码的获取：
以获取百度首页的html源代码为例，（ps：后来发现百度首页并不是静态的，好在不影响功能说明）。
（1）方法一：使用requests
import requests
#查询的url地址
url = 'http://www.baidu.com'
#使用get方法获得url的内容
response = requests.get(url)
#由于response的格式为requests.models.Response无法直接print，用text转成str格式
#若用于下载图片、视频、音频等多媒体格式,应用response.content转成二进制的bytes格式
html = response.text
#打印网页
print(html)
我们来看下输出的结果，是典型的html的格式。但是其中有一些乱码，这是怎么回事呢。
我们看下requests的官方文档。
原来requests会对文本编码的格式进行推测，按我们打印到的html页面可以看到，charset=utf-8，那么应该就是utf-8编码了吧。我们来看一下：
在获取到reponse后，我们先不对他进行转码，先看一下Requests是怎么对他自动编码的。
import requests
url = 'http://www.baidu.com'
response = requests.get(url)
print(response.encoding)
ISO-8859-1
显示结果为：ISO-8859-1。和想的不太一样呀，原来requests把我们得到的reponse编码成ISO-8859-1了，我们采用text的方法，实际是用ISO-8859-1进行解码，但从网页源代码我们知道utf-8才是它正确的编码，因此程序需要小小的修改一下。
import requests
#查询的url地址
url = 'http://www.baidu.com'
#使用get方法获得url的内容
response = requests.get(url)
#修改为utf-8编码格式
response.encoding = 'utf-8'
#由于response的格式为requests.models.Response无法直接print，用text转成str格式
#若用于下载图片、视频、音频等多媒体格式,应用response.content转成二进制的bytes格式
html = response.text
#打印网页
print(html)
这回看一下输出结果，这回看上去好多了吧！
（2）方法二：用urllib模块获取：
import urllib.request
#查询的url地址
url = 'http://www.baidu.com'
#使用urllib.request模块的urlopen方法获得url的内容，并用read方法读取，结果为二进制格式
response = urllib.request.urlopen(url).read()
#将二进制格式用utf-8的方法解码为str(unicode)
html = response.decode('utf-8')
#打印网页
print(html)
（3）小结：
`
大多数情况使用requests的方法会比urllib方便得多，因为requests整合了urllib中各种函数的功能，还有自带了cookie的功能，代码也相对整洁漂亮。
网络上关于python的爬虫教程，大多还是采用python2.7，使用的是urllib和urllib2的模块。而在python3中，用urllib整合了前两个模块。比如urllib2.urlopen可以用urllib.request.urlopen代替，比如urllib2.Request可以用urllib.request. Request代替，比如urllib.urlencode可以用urllib.parse.urlencode代替。在学习python3的过程中，也是能作为参考的。
在后面的笔记中，我将对requests和urllib的方法进行对比。
网友评论