因为作业中涉及到python的模块urllib,所以想对urllib这一块内容做一个整理,内容如下:
urllib模块提供的上层接口,使我们可以像读取本地文件一样读取www和ftp上的数据。Python的urllib模块的使用门槛比较低,可能有些人又会用效率来批评Python,其实在操作网络,或者在集群交互的时候, 语言的执行效率绝不是瓶颈。这种情况下,一个比较好的方法是,将python嵌入到C/C++中,让Python来完成一些不是核心的逻辑处理。又扯远了,废话少说,开始urllib之旅吧~~
举例,将百度首页html抓取并显示在控制台:
import urllib
print urllib.urlopen('http://www.google.com').read()
urllib模块有一些很好用的函数,比如urllib.urlencode(...),urllib.urlopen(...)等,现在讲解下,其他相关的辅助方法可以在需要使用到的时候再google或百度下
1:urllib.urlencode(...),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': 'yangbeibei', 'age': ‘25’}将被转换为‘name=yangbeibei&age=25’
2:urllib.urlopen(url),创建一个表示远程url的类文件对象,然后像本地文件一样操作这个类文件对象来获取远程数据。参数url表示远程数据的路径,一般是网址,urlopen返回 一个类文件对象,提供了如下方法:
(1)read() , readline() , readlines() , fileno() , close() :这些方法的使用方式与文件对象完全一样;
(2)info():返回一个httplib.HTTPMessage 对象,表示远程服务器返回的头信息;
(3)getcode():返回Http状态码。如果是http请求,200表示请求成功完成;404表示网址未找到;
(4)geturl():返回请求的url;
举例说明,加深对urllib的印象:
google = urllib.urlopen('http://www.google.com')
print 'http header:/n', google.info()
print 'http status:', google.getcode()
print 'url:', google.geturl()
for line in google: # 就像在操作本地文件
print line,
google.close()
3:urllib.urlretrieve(url[, filename[, reporthook[, data]]]),urlretrieve方法直接将远程数据下载到本地。参数filename指定了保存到本地的路径(如果未指定该参数,urllib会生成一个临时文件来保存数据);参数reporthook是一个回调函数,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。我们可以利用这个回调函 数来显示当前的下载进度,下面的例子会展示。参数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。
举例说明
url = 'http://www.baidu.com'
local = 'D://baidu.html'
urllib.urlretrieve(url, local)
以上的内容权当抛砖引玉,以后在使用到的时候可以继续补充......Python脚本真的非常好用^-^