python之urlretrieve()远程数据下载

 urllib 模块提供的 urlretrieve() 函数。urlretrieve() 方法直接将远程数据下载到本地。

1	>>> help(urllib.urlretrieve)

2	Help on function urlretrieve in module urllib:

3

4	urlretrieve(url, filename=None, reporthook=None, data=None)

• 参数 finename 指定了保存本地路径（如果参数未指定，urllib会生成一个临时文件保存数据。）
• 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时会触发该回调，我们可以利用这个回调函数来显示当前的下载进度。
• 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(filename, headers)元组，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 sina 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。

01	import urllib

02	def cbk(a, b, c):

03

'''回调函数

04	@a: 已经下载的数据块

05	@b: 数据块的大小

06	@c: 远程文件的大小

07

'''

08	per = 100.0 * a * b / c

09	if per > 100:

10

per = 100

11	print '%.2f%%' % per

12

13	url = 'http://www.sina.com.cn/'

14	local = 'd://sina.html'

15	urllib.urlretrieve(url, local, cbk)

下面是 urlretrieve() 下载文件实例，可以显示下载进度。

01	#!/usr/bin/python

02	#encoding:utf-8

03	import urllib

04

import os

05	def Schedule(a,b,c):

06

'''''

07	a:已经下载的数据块

08

b:数据块的大小

09

c:远程文件的大小

10

'''

11	per = 100.0 * a * b / c

12	if per > 100 :

13

per = 100

14	print '%.2f%%' % per

15	url = 'http://www.python.org/ftp/python/2.7.5/Python-2.7.5.tar.bz2'

16	#local = url.split('/')[-1]

17	local = os.path.join('/data/software','Python-2.7.5.tar.bz2')

18	urllib.urlretrieve(url,local,Schedule)

19	######output######

20

#0.00%

21

#0.07%

22

#0.13%

23

#0.20%

24

#....

25

#99.94%

26

#100.00%

通过上面的练习可以知道，urlretrieve() 可以数据下载到本地。

#爬取百度贴吧某图片

[cpp] view plain copy

1. #爬取百度贴吧一些小图片  
2. #urllib.urlretriev---将远程数据下载到本地  
3. import urllib  
4. import urllib2  
5. import re  
6.   
7. #http://tieba.baidu.com/p/3868127254  
8. a = raw_input('inpt url:')  
9. s = urllib2.urlopen(a)  
10. s1 = s.read()  
11.   
12. def getimg(aaa):  
13.         reg = re.compile(r'img.src="(.*?)"')  
14.         #reg = re.compile(r'<title>')  
15.         l = re.findall(reg, aaa)  
16.         tmp =0  
17.         for x in l:  
18.                 tmp += 1  
19.                 urllib.urlretrieve(x, '%s.jpg' % tmp)  
20.   
21. #print s1  
22. getimg(s1)