使用Python实现批量访问URL并解析XML响应

用户8589624

发布于 2025-11-15 13:39:23

930

文章被收录于专栏：nginxnginx

使用Python实现批量访问URL并解析XML响应

在现代Web开发和数据抓取中，批量访问URL并解析响应内容是一个常见的需求。本文将详细介绍如何使用Python实现以下功能：

批量访问URL：通过脚本自动访问多个URL。
解析XML响应：从响应中提取所需的数据。
保存响应内容：将响应内容保存到文件中，便于后续分析。

我们将从基础的工具方法开始，逐步扩展到批量处理URL的场景，并最终实现一个完整的工具脚本。

1. 背景与需求

假设我们有一个包含多个URL的文件（urls.txt），每个URL返回的响应是一个XML格式的数据，如下所示：

<HashMap>
    <code>000000</code>
    <data>叶先生|18004565345</data>
    <message>成功</message>
</HashMap>

我们的目标是：

读取urls.txt文件中的每个URL。
调用默认浏览器访问该URL。
解析XML响应，提取code、data和message字段。
将解析后的内容保存到文件中。

2. 工具方法实现

2.1 单URL访问与解析

首先，我们实现一个工具方法fetch_and_parse_xml，用于访问单个URL并解析其XML响应。

代码实现

import requests
import xml.etree.ElementTree as ET
import webbrowser

def fetch_and_parse_xml(url, headers=None, output_file="response.xml"):
    """
    工具方法：传入一个URL，打开默认浏览器访问，解析XML响应并保存到文件。

    :param url: 要访问的URL
    :param headers: 请求头（可选）
    :param output_file: 保存解析结果的XML文件路径
    :return: 解析后的XML内容（字典形式）
    """
    # 默认请求头
    default_headers = {
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36',
        'HOST': 'car.autohome.com.cn'
    }
    
    # 如果传入自定义请求头，则合并
    if headers:
        default_headers.update(headers)

    try:
        # 发送HTTP GET请求
        resp = requests.get(url, headers=default_headers)
        resp.raise_for_status()  # 检查请求是否成功

        # 调用默认浏览器打开URL
        webbrowser.open(url)

        # 解析XML响应
        root = ET.fromstring(resp.text)
        parsed_data = {
            "code": root.find("code").text,
            "data": root.find("data").text,
            "message": root.find("message").text
        }

        # 将解析后的内容保存到文件
        with open(output_file, "w", encoding="utf-8") as file:
            file.write(resp.text)  # 保存原始XML响应
            print(f"响应已保存到文件：{output_file}")

        # 返回解析后的内容
        return parsed_data
    except requests.exceptions.RequestException as e:
        print(f"请求URL时出错：{e}")
        return None
    except ET.ParseError as e:
        print(f"解析XML响应时出错：{e}")
        return None

代码说明

请求URL：
- 使用requests.get发送HTTP GET请求。
- 支持自定义请求头。
调用默认浏览器：
- 使用webbrowser.open打开默认浏览器访问URL。
解析XML响应：
- 使用xml.etree.ElementTree解析XML响应。
- 提取code、data和message字段。
保存响应内容：
- 将原始XML响应保存到文件中。
异常处理：
- 捕获请求和XML解析过程中的异常，并打印错误信息。

2.2 示例调用

以下是如何调用fetch_and_parse_xml方法的示例：

if __name__ == "__main__":
    url = "http://travel.yundasys.com:31432/interface/orderPhone?txm=320323134183104&type=1"
    response_data = fetch_and_parse_xml(url, output_file="response.xml")
    
    if response_data:
        print("解析后的XML内容：")
        print(f"Code: {response_data['code']}")
        print(f"Data: {response_data['data']}")
        print(f"Message: {response_data['message']}")

示例输出

假设URL返回的XML响应如下：

<HashMap>
    <code>000000</code>
    <data>叶先生|180****5345</data>
    <message>成功</message>
</HashMap>

控制台输出：

解析后的XML内容：
Code: 000000
Data: 叶先生|180****5345
Message: 成功
响应已保存到文件：response.xml

文件内容（response.xml）：

<HashMap>
    <code>000000</code>
    <data>叶先生|180****5345</data>
    <message>成功</message>
</HashMap>

3. 批量处理URL

接下来，我们扩展工具方法，支持批量处理URL文件（urls.txt）。

3.1 批量处理脚本

以下是批量处理URL的完整脚本：

import requests
import xml.etree.ElementTree as ET
import webbrowser

def fetch_and_parse_xml(url, headers=None, output_file="response.xml"):
    """
    工具方法：传入一个URL，打开默认浏览器访问，解析XML响应并保存到文件。

    :param url: 要访问的URL
    :param headers: 请求头（可选）
    :param output_file: 保存解析结果的XML文件路径
    :return: 解析后的XML内容（字典形式）
    """
    # 默认请求头
    default_headers = {
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36',
        'HOST': 'car.autohome.com.cn'
    }
    
    # 如果传入自定义请求头，则合并
    if headers:
        default_headers.update(headers)

    try:
        # 发送HTTP GET请求
        resp = requests.get(url, headers=default_headers)
        resp.raise_for_status()  # 检查请求是否成功

        # 调用默认浏览器打开URL
        webbrowser.open(url)

        # 解析XML响应
        root = ET.fromstring(resp.text)
        parsed_data = {
            "code": root.find("code").text,
            "data": root.find("data").text,
            "message": root.find("message").text
        }

        # 将解析后的内容保存到文件
        with open(output_file, "w", encoding="utf-8") as file:
            file.write(resp.text)  # 保存原始XML响应
            print(f"响应已保存到文件：{output_file}")

        # 返回解析后的内容
        return parsed_data
    except requests.exceptions.RequestException as e:
        print(f"请求URL时出错：{e}")
        return None
    except ET.ParseError as e:
        print(f"解析XML响应时出错：{e}")
        return None

def batch_process_urls(url_file, headers=None):
    """
    批量处理URL文件中的每个URL。

    :param url_file: 包含URL的文件路径
    :param headers: 请求头（可选）
    """
    try:
        with open(url_file, "r", encoding="utf-8") as file:
            urls = file.readlines()
    except FileNotFoundError:
        print(f"文件 {url_file} 不存在！")
        return

    for i, url in enumerate(urls):
        url = url.strip()  # 去除换行符和空格
        if not url:
            continue

        print(f"正在处理第 {i + 1} 个URL：{url}")
        output_file = f"response_{i + 1}.xml"
        response_data = fetch_and_parse_xml(url, headers=headers, output_file=output_file)
        
        if response_data:
            print(f"解析后的XML内容：")
            print(f"Code: {response_data['code']}")
            print(f"Data: {response_data['data']}")
            print(f"Message: {response_data['message']}")
        print("-" * 40)

# 示例调用
if __name__ == "__main__":
    url_file = "urls.txt"
    batch_process_urls(url_file)

示例输出

假设urls.txt文件内容如下：

http://travel.yundasys.com:31432/interface/orderPhone?txm=320323134183104&type=1
http://travel.yundasys.com:31432/interface/orderPhone?txm=320323115958004&type=1

控制台输出：

正在处理第 1 个URL：http://travel.yundasys.com:31432/interface/orderPhone?txm=320323134183104&type=1
响应已保存到文件：response_1.xml
解析后的XML内容：
Code: 000000
Data: 叶先生|180****5345
Message: 成功
----------------------------------------
正在处理第 2 个URL：http://travel.yundasys.com:31432/interface/orderPhone?txm=320323115958004&type=1
响应已保存到文件：response_2.xml
解析后的XML内容：
Code: 000000
Data: 李先生|138****1234
Message: 成功
----------------------------------------