python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python获取网页内容

Python获取网页内容的靠谱方法

作者:gs80140

如果你希望使用更加安全和可靠的方式下载网页内容,并且希望避免 requests 中的 SSL 问题,有几个替代方案和改进方法,可以更好地处理 SSL 验证、证书问题等,本文给大家介绍了几种Python获取网页内容的靠谱方法,需要的朋友可以参考下

方法 1: 使用 httpx 库

httpx 是 requests 的一个替代库,支持异步请求,也有更好的 SSL 验证功能。httpx 默认会进行 SSL 证书验证,但可以在需要时进行配置。

安装 httpx

pip install httpx

使用示例:

import httpx
 
url = 'https://agri.hainan.gov.cn/hnsnyt/xxgk/gfxwj/index_1.html'
 
# 创建一个客户端对象
with httpx.Client() as client:
    response = client.get(url)
    print(response.text)

如果你遇到 SSL 错误,可以通过调整 verify 参数来禁用 SSL 验证,尽管这仍然不推荐用于生产环境:

response = client.get(url, verify=False)

方法 2: 使用 urllib3 库

urllib3 是 Python 的一个高级 HTTP 客户端,处理 SSL 的方式比 requests 更加底层,适合需要精细控制 SSL 配置的场景。你可以通过 urllib3 来下载网页并管理 SSL 设置。

安装 urllib3

pip install urllib3

使用示例:

import urllib3
 
# 创建一个 PoolManager,支持更细粒度的控制
http = urllib3.PoolManager()
 
url = 'https://agri.hainan.gov.cn/hnsnyt/xxgk/gfxwj/index_1.html'
 
# 禁用 SSL 验证(如果不关心安全)
response = http.request('GET', url, retries=3, timeout=5.0)
print(response.data.decode('utf-8'))

如果你希望进行更精细的 SSL 配置,可以直接使用 SSLContext 来设置证书验证。

方法 3: 使用 aiohttp (异步请求)

如果你需要进行多个异步 HTTP 请求,aiohttp 是一个非常强大的异步 HTTP 客户端库,支持协程,可以让你以更高效的方式进行网络请求。它也有更好的 SSL 处理机制。

安装 aiohttp:

pip install aiohttp

使用示例:

import aiohttp
import asyncio
 
async def fetch(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as response:
            return await response.text()
 
url = 'https://agri.hainan.gov.cn/hnsnyt/xxgk/gfxwj/index_1.html'
 
# 异步运行
html = asyncio.run(fetch(url))
print(html)

如果遇到 SSL 问题,可以通过 verify_ssl 参数来禁用 SSL 验证:

async with session.get(url, ssl=False) as response:

方法 4: 使用 pycurl 库(更底层,支持更多配置)

pycurl 是 Python 对 libcurl 的封装,提供了更多的配置选项,特别适合对 SSL 证书和协议进行精细控制。

安装 pycurl

pip install pycurl

使用示例:

import pycurl
from io import BytesIO
 
url = 'https://agri.hainan.gov.cn/hnsnyt/xxgk/gfxwj/index_1.html'
 
# 创建一个缓冲区来接收响应
buffer = BytesIO()
 
# 创建 cURL 对象
c = pycurl.Curl()
c.setopt(c.URL, url)
c.setopt(c.WRITEDATA, buffer)
 
# 禁用 SSL 验证
c.setopt(c.SSL_VERIFYPEER, 0)  # 不验证对方的证书
c.setopt(c.SSL_VERIFYHOST, 0)  # 不验证主机
 
# 执行请求
c.perform()
 
# 获取结果
response = buffer.getvalue().decode('utf-8')
print(response)

方法 5: 使用 certifi 自定义证书路径

如果 SSL 错误是由于缺少根证书,你可以通过 certifi 来确保使用最新的证书链。 certifi 提供了 Mozilla 的证书集合,可以帮助你避免 SSL 错误。

安装 certifi

pip install certifi

然后你可以在请求中显式地指定证书路径,确保使用最新的根证书。

import requests
import certifi
 
url = 'https://agri.hainan.gov.cn/hnsnyt/xxgk/gfxwj/index_1.html'
response = requests.get(url, verify=certifi.where())  # 使用 certifi 的证书路径
print(response.text)

总结:

这些方案都能够在保证安全性的前提下处理 SSL 问题。如果你遇到的主要问题是 SSL 证书问题,确保使用较新的证书链,并避免在生产环境中禁用 SSL 验证。

以上就是Python获取网页内容的靠谱方法的详细内容,更多关于Python获取网页内容的资料请关注脚本之家其它相关文章!

您可能感兴趣的文章:
阅读全文