一只爬虫带你看世界【1】

1.python如何访问互联网：

   它自带电池。“URL” + “lib” =urllib

2.URL的一般格式为：

   Protocol://hostname[:port]/path/[;partmeters][?query]#fragment

有三部分构成：

-----第一部分是协议：http，https，ftp，file等~

-----第二部分是存放资源的服务器的域名系统或者IP地址，该地址后有端口号默认是80

-----第三部分是资源的具体地址，可能为目录或者文件名

3. python 中 urllib 模块：

python 3.4 官方文档是这样介绍urllib的，Handles the rename of urllib and urllib2 to the urllib package。urllibis a package that collects several modules for working with URLs:

• urllib.request for opening and reading URLs
• urllib.error containing the exceptions raised by urllib.request
• urllib.parse for parsing URLs
• urllib.robotparser for parsing robots.txt files 

翻译为：python3.4 中urllib 是urllib 和urllib 2 的重命名的包，该包主要有以下四个模块构成，并且这些模块通常和 url 一起使用，

这四个模块为：request，error，parse，robotparser.

4.尝试一把 urllib.request 模块：

该返回的代码是二进制形式，最好转换成“utf-8”的形式。

使用 decode（‘utf-8’）即可，参考代码如下：