使用Python 3.x基本获取URL的HTML正文

Question

使用Python 3.x基本获取URL的HTML正文

3

我是一个Python新手。我对Python 2.x中旧版urllib和urllib2与Python 3中新版urllib之间的差异有些困惑，而且还不确定在发送到urlopen之前何时需要对数据进行编码。

我一直在尝试获取网址的HTML正文，使用POST发送参数。该网页显示了一个国家在给定日期的特定小时内的阳光数据。我已经尝试过不进行编码/解码，输出结果是以b开头的字节字符串。然后我尝试的代码是：

import urllib.request, urllib.parse, urllib.error

def scrape(someurl):

    try:

        values = {'LANG': 'en',
                  'DATE' : '1303160400',
                  'CONT' : 'euro',
                  'LAND' : 'UK',
                  'KEY' : 'UK',
                  'SORT': '2',
                  'INT' : '06',
                  'TYPE' : 'sonnestd',
                  'ART' : 'karte',
                  'RUBRIK' : 'akt',
                  'R': '310',
                  'CEL': 'C'}

        data = urllib.parse.urlencode(values)
        data = data.encode("utf-8")
        response = urllib.request.urlopen(someurl, data)
        html = response.read().decode("utf-8")
        print(html)

    except urllib.error.HTTPError as e:
        print(e.code)
        print(e.read())

myscrape = scrape("http://www.weatheronline.co.uk/weather/maps/current")

错误信息为：

Traceback (most recent call last):
  File "/Users/Me/Desktop/weather.py", line 57, in <module>
    myscrape = scrape("http://www.weatheronline.co.uk/weather/maps/current")
  File "/Users/Me/Desktop/weather.py", line 37, in scrape
    html = response.read().decode("utf-8")
UnicodeDecodeError: 'utf8' codec can't decode byte 0x80 in position 10: invalid start byte

没有进行编码/解码，我得到的字节串非常短，因此我想知道是否请求以某种其他方式失败了。

b'GIF89a\x01\x00\x01\x00\x80\x00\x00\x00\x00\x00\x00\x00\x00!\xf9\x04\x01\x00\x00\x00\x00,\x00\x00\x00\x00\x01\x00\x01\x00\x00\x02\x02D\x01\x00;'

- zantzinger

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Ignacio Vazquez-Abrams · Accepted Answer

GIF89a 表示服务器正在发送给您一张图片。

此外，您不应该使用 UTF-8 进行暴力解码；您应该查看响应头以确定使用哪种编码方式。