python学习----urllib

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：

[python]  view plain copy print ?

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：

[python]  view plain copy print ?

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。

[python]  view plain copy print ?

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)