Python模块学习 --- urllib

最新推荐文章于 2025-06-12 02:26:03 发布

翻译最新推荐文章于 2025-06-12 02:26:03 发布 · 534 阅读

Python 专栏收录该内容

2 篇文章

订阅专栏

本文详细介绍了Python的urllib模块，包括如何通过urllib.urlopen()获取远程数据，以及urlencode()函数的作用。同时，展示了如何使用urllib.urlretrieve()直接下载远程数据，并通过实例加深了对urllib模块的理解。

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^-^