Python获取网络数据：从Socket到JSON/XML解析

青禾

发布时间：2026-10-14| 3人浏览过

原创

本文详解Python获取网络数据的多种方法。从底层Socket通信原理出发，介绍利用urllib库简化HTTP请求的操作，并深入讲解如何使用ElementTree解析XML数据，以及利用json库高效处理JSON格式数据，为网络爬虫和数据抓取提供实用指南。

通过HTTP协议获取网络数据

Python语言内置了socket模块，支持建立网络连接并提取远程数据。

Socket提供双向通信通道，允许对同一连接进行读写。例如，A端向Socket写入信息并发送给连接另一端的B；B端读取Socket内容即可获取A的信息。然而，若A未发送信息而B持续尝试读取，双方将陷入无限等待。为此引入了通信协议，通过规定发送与响应的顺序来避免此类阻塞问题。


import socket
mysock = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
mysock.connect(('fakeserver.com', 80)) # connect to server
cmd = 'GET http://fakeserver.com/fake.txt HTTP/1.0\r\n\r\n'.encode()
# send GET command followed by a blank line
mysock.send(cmd) 

while True: # receive data and print out
    data = mysock.recv(512)
    if (len(data) < 1):
        break
    print(data.decode())
mysock.close()

使用urllib库获取数据

借助Socket可与网站服务器或邮件服务器建立连接，但在此之前需查阅文档以了解通信协议并编写相应程序。相比这种底层实现，使用更简单的Python包更为便捷。

通过 urllib.urlopen() 打开网页后，即可像读取本地文件一样读取其中的数据。


import urllib.request

fhand = urllib.request.urlopen('http://fakeserver.com/fake.txt')
for line in fhand:
    #convert UTF-8 to unicode string and print out
    print(line.decode().strip())

由于urllib使用简洁方便，它常被用于网络爬虫开发。除了读取网页数据外，爬虫还需从HTML格式中提取可用数据，因此除了urllib，另一个常用工具是BeautifulSoup。


import urllib.request, urllib.parse, urllib.error
from bs4 import BeautifulSoup
import ssl

# Ignore SSL certificate errors
ctx = ssl.create_default_context()
ctx.check_hostname = False
ctx.verify_mode = ssl.CERT_NONE

html = urllib.request.urlopen('http://fakeserver.com/fake.html', context=ctx).read()
soup = BeautifulSoup(html, 'html.parser')
tags = soup('a')
# Retrieve all of the anchor tags
for tag in tags:
    print(tag.get('href', None))

从XML格式获取数据

在网络数据交换中，常用的数据格式主要有两种：XML和JSON。

XML结构类似于HTML，可视为一种树状结构。利用Python的ElementTree包，可以将XML文件转换为树形结构，从而方便后续提取有效数据。


import xml.etree.ElementTree as ET
data =  '''
            <person>
            <name>Jack</name>
            <phone>+123456789</phone>
            <email office="yes"/>
            </person> 
        '''
tree = ET.fromstring(data) # convert xml into a tree
print('Name:', tree.find('name').text)
print('Attr:', tree.find('email').get('office'))

从JSON格式获取数据

相较于XML，JSON结构更为简单，功能也不如XML强大。但JSON具有一个显著优势：可以直接映射到Python的字典（dictionaries）和列表（lists）中，使用非常实用。

我们可以直接利用Python内置的json包来解析JSON数据。


import json
data =  '''
            {
                "name" : "Jack",
                "phone" : {
                    "type" : "intl",
                    "number" : "+123456789"
                },
                "email" : {
                    "office" : "yes"
                }
            }
        '''
info = json.loads(data)  # convert json into a dictianary
print('Name:', info['name'])
print('Attr:', info['email']['office'])