python学习----urllib

原创 2012年03月28日 16:55:16

使用urllib:

1.      抓取网页信息

 

urllib.urlopen(url[, data[, proxies]]) :

url: 表示远程数据的路径

data: 以post方式提交到url的数据

proxies:用于设置代理

 

urlopen返回对象提供方法:

-         read() , readline() ,readlines() , fileno() , close() :这些方法的使用方式与文件对象完全一样

-         info():返回一个httplib.HTTPMessage对象,表示远程服务器返回的头信息

-         getcode():返回Http状态码。如果是http请求,200请求成功完成;404网址未找到

-         geturl():返回请求的url

 

使用:

  1. #!/usr/bin/python 
  2. # -*- coding:utf-8 -*- 
  3. # urllib_test.py 
  4. # author:wklken 
  5. # 2012-03-17  wklken#yeah.net  
  6.  
  7. import os 
  8. import urllib 
  9. url = "http://www.siteurl.com" 
  10.  
  11. def use_urllib(): 
  12.   import urllib, httplib 
  13.   httplib.HTTPConnection.debuglevel = 1  
  14.   page = urllib.urlopen(url) 
  15.   print"status:", page.getcode() #200请求成功,404 
  16.   print"url:", page.geturl() 
  17.   print"head_info:\n",  page.info() 
  18.   print"Content len:", len(page.read()) 

 

附带的其他方法:(主要是url编码解码)

-         urllib.quote(string[, safe]):对字符串进行编码。参数safe指定了不需要编码的字符

-         urllib.unquote(string) :对字符串进行解码

-          urllib.quote_plus(string [ , safe ] ) :与urllib.quote类似,但这个方法用'+'来替换' ',而quote用'%20'来代替' '

-          urllib.unquote_plus(string ) :对字符串进行解码

 

-         urllib.urlencode(query[, doseq]):将dict或者包含两个元素的元组列表转换成url参数。例如 字典{'name': 'wklken', 'pwd': '123'}将被转换为"name=wklken&pwd=123"

-         urllib.pathname2url(path):将本地路径转换成url路径

-          urllib.url2pathname(path):将url路径转换成本地路径

 

使用:

  1. def urllib_other_functions(): 
  2.   astr = urllib.quote('this is "K"'
  3.   print astr 
  4.   print urllib.unquote(astr) 
  5.   bstr = urllib.quote_plus('this is "K"'
  6.   print bstr 
  7.   print urllib.unquote(bstr) 
  8.  
  9.   params = {"a":"1""b":"2"
  10.   print urllib.urlencode(params) 
  11.  
  12.   l2u = urllib.pathname2url(r'd:\a\test.py'
  13.   print l2u  
  14.   print urllib.url2pathname(l2u) 

 

2.  下载远程数据

 

urlretrieve方法直接将远程数据下载到本地

urllib.urlretrieve(url[, filename[, reporthook[, data]]]):

 

filename指定保存到本地的路径(若未指定该,urllib生成一个临时文件保存数据)

reporthook回调函数,当连接上服务器、以及相应的数据块传输完毕的时候会触发该回调

data指post到服务器的数据

 

该方法返回一个包含两个元素的元组(filename, headers),filename表示保存到本地的路径,header表示服务器的响应头。

  1. def  callback_f(downloaded_size, block_size, romote_total_size): 
  2.   per = 100.0 * downloaded_size * block_size / romote_total_size 
  3.   if per > 100
  4.     per = 100  
  5.   print"%.2f%%"% per  
  6.  
  7. def use_urllib_retrieve(): 
  8.   import urllib 
  9.   local = os.path.join(os.path.abspath("./"), "a.html"
  10.   print local 
  11.   urllib.urlretrieve(url,local,callback_f) 

相关文章推荐

Python3学习:urllib的使用方法

urllib是python的一个获取url(Uniform Resource Locators,统一资源定址符)了,可以利用它来抓取远程的数据进行保存,本文整理了一些关于urllib使用中的一些关于h...

《python爬虫》学习笔记:urllib2库的使用

最简单的爬虫代码import urllib2 response=urllib2.urlopen("http://www.baidu.com") print response.read()上面的等价代...

python urllib2模块学习

python urllib2 学习使用

Python3学习笔记12--urllib,BeautifulSoup

urllib, BeautifulSoup

python学习笔记(十四)标准库urllib

urllib urllib 模块用于读取来自网上(服务器上)的数据,比如不少人用 Python 做爬虫程序,就可以使用这个模块。先看一个简单例子: >>> import urllib >>> it...

Python学习urllib2模块使用

urllib包和urllib2包基于httplib包之上,提供高层次的抽象,用于处理url请求,urllib 和 urllib2 可以更方便地进行 HTTP GET 和 POST 等各种操作。 ...

python的urllib模块,学习的部分有用方法

import urllib import sys #一、urlretrieve的进度显示 def transfer_progress(blocks_transfered, blo...

python2.7爬虫学习笔记(一)---Urllib库的使用

扒一个网页 构造Request post和get数据传送 设置headers Proxy(代理)的设置 Timeout设置 URLError异常处理 cookie的使用...
  • SirM2z
  • SirM2z
  • 2015年06月03日 20:14
  • 5647

Python3学习笔记(urllib模块的使用)

1.基本方法 urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=Fal...
  • whatday
  • whatday
  • 2017年04月27日 16:58
  • 526

Python3学习笔记 urllib模块的使用

1.基本方法 url: 需要打开的网址 data:Post提交的数据 timeout:设置网站的访问超时时间 直接用urllib.request模块的urlopen()获取页面,page的数据格式...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:python学习----urllib
举报原因:
原因补充:

(最多只允许输入30个字)