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。先看一个例子,这个例子把Google首页的html抓取下来并显示在控制台上:
# 别惊讶,整个程序确实只用了两行代码 import urllib print urllib.urlopen('http://www.google.com').read() |
urllib方法:
urllib.urlopen(url[, data[, proxies]]):
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;参数data表示以post方式提交到url的数据(玩过web的人应该知道提交数据的两种方式:post与get);参数proxies用于设置代理.urlopen返回一个类文件对象,他提供了如下方法:
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表示请求成功完成;404表示网址未找到 geturl(): 返回请求的url |
下面来扩充一下上面的例子:
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() |
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。下面通过例子来演示一下这个方法的使用,这个例子将新浪首页的html抓取到本地,保存在D:/sina.html文件中,同时显示下载的进度。
代码例子:
#!/usr/bin/python url = 'http://www.sina.com.cn/' |
上面介绍的两个方法是urllib中最常用的方法,这些方法在获取远程数据的时候,内部会使用URLopener或者 FancyURLOpener类。作为urllib的使用者,我们很少会用到这两个类,这里我不想多讲.如果对urllib的实现感兴趣,或者希望urllib支持更多的协议,可以研究这两个类.
urllib中还提供了一些辅助方法,用于对url进行编码、解码。url中是不能出现一些特殊的符号的,有些符号有特殊的用途。我们知道以get方式提交数据的时候,会在url中添加key=value这样的字符串,所以在value中是不允许有'=',因此要对其进行编码;与此同时服务器接收到这些参数的时候,要进行解码,还原成原始的数据。这个时候,这些辅助方法会很有用:
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': 'dark-bull', 'age': 200}将被转换为"name=dark-bull&age=200" 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; |
data = 'name = ~a+3' data1 = urllib.quote(data) print data1 # result: name%20%3D%20%7Ea%2B3 print urllib.unquote(data1) # result: name = ~a+3 data2 = urllib.quote_plus(data) print data2 # result: name+%3D+%7Ea%2B3 print urllib.unquote_plus(data2) # result: name = ~a+3 data3 = urllib.urlencode({ 'name': 'dark-bull', 'age': 200 }) print data3 # result: age=200&name=dark-bull data4 = urllib.pathname2url(r'd:/a/b/c/23.php') print data4 # result: ///D|/a/b/c/23.php print urllib.url2pathname(data4) # result: D:/a/b/c/23.php |
http://blog.csdn.net/JGood/archive/2010/04/16/5493824.aspx