urllib, urllib2, urllib3 都是小弟弟

urllib 是 python 的内置模块，主要用于处理url相关的一些操作，例如访问url、解析url等等。

有趣的是，urllib、urllib2曾经同时出现在python2，python3又将两个模块合并成一个，社区又有大神提供了一个urllib3的库，都是用于处理网络请求相关功能，不过这些包在 requests 都是弟弟啦。

而python3中，urllib包下面用的最多的恐怕还是parse模块，主要处理url相关的操作。特别是爬虫应用中，用得多。

以下是我整理的关于urllib.parse的最常用方法，写爬虫过程中，经常要对url进行参数拼接、编码、解码、域名、资源路径提取等操作，parse 就可以排上用场。

一、urlparse

urlparse 方法是把一个完整的URL拆分成不同的组成部分，你可以根据自己的需求提取其中的某部分内容。返回结果ParseResult是namedtuple的子类，由以下10部分组成，每部分既可以通过名字获取也可以通过下表索引得到。

>>> from urllib import parse
>>> url = 'https://mp.weixin.qq.com/s?__biz=MjM5MzgyODQxMQ==&mid=2650366919&idx=1&sn=1b36a9f2c0921cdeac52942ec591a923#rd'
>>> result = parse.urlparse(url)

>>> print(result)
ParseResult(scheme='https', netloc='mp.weixin.qq.com', path='/s', params='', query='__biz=MjM5MzgyODQxMQ==&mid=2650366919&idx=1&sn=1b36a9f2c0921cdeac52942ec591a923', fragment='rd')

# 通过下标获取
>>> result[0]
'https'

# 协议
>>> result.scheme
'https'

# url资源路径
>>> result.path
'/s'
# 查询参数
>>> result.query
'__biz=MjM5MzgyODQxMQ==&mid=2650366919&idx=1&sn=1b36a9f2c0921cdeac52942ec591a923'

# 获取主机名
>>> result.hostname
'mp.weixin.qq.com'

二、parse_qs

parse_qs 是将查询参数这部分内容解析装换成字典对象

>>> parse.parse_qs(result.query)
{'__biz': ['MjM5MzgyODQxMQ=='], 'mid': ['2650366919'], 'idx': ['1'], 'sn': ['1b36a9f2c0921cdeac52942ec591a923']}
>>>

每个参数名对应的值是一个列表对象，这是因为在url规范中，一个参数名可以对应多个值。然通常在实际应用场景中一个名字只会对应一个值。

你可以用一行代码将列表转化为字符串

>>> {name: value[0] for name, value  in parse.parse_qs(result.query).items()}
{'__biz': 'MjM5MzgyODQxMQ==', 'mid': '2650366919', 'idx': '1', 'sn': '1b36a9f2c0921cdeac52942ec591a923'}

三、urlencode

反过来，如果由一个字典对象想转换为url中的查询参数，那么就可以使用urlencode方法。

>>> d = {'__biz': 'MjM5MzgyODQxMQ==', 'mid': '2650366919', 'idx': '1'}
>>> parse.urlencode(d)
'__biz=MjM5MzgyODQxMQ%3D%3D&mid=2650366919&idx=1'

四、quote

URL编码

在URL的标准规范中，url只允许数字、字母和部分特殊符号，如果有中文，就需要使用UTF-8进行编码，转换成 %XX的形式，例如: 【中】UTF-8编码的结果是：

>>> "中".encode()
b'xe4xb8xad'

就会转换成 %e4%b8%ad

>>> parse.quote("q=中")
'q%3D%E4%B8%AD'
>>>

对于特殊符号，也会进行成对应的16进制符号，例如【=】就转换成了 %3D

五、unquote

unquote 是 quote 的逆向过程

URL解码