urllib模块

来源：互联网发布：百度一下淘宝网首页编辑：程序博客网时间：2024/05/18 07:35

urllib模块提供接口可以使我们像访问本地文件一样来读取www和ftp上的数据。模块中最重要的两个函数分别是：urlopen()和urlretrieve()。

urllib.urlopen(url[, data[, proxies]]) :

本函数创建一个表示远程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；参数proxies用于设置代理。urlopen返回一个类文件对象，返回的类文件对象提供了如下方法：

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；

简单例子：

01#! /usr/bin/env python
02#coding=utf-8
03import urllib
04content=urllib.urlopen("http://www.baidu.com")
05print "http header:",content.info()
06print "http status:",content.getcode()
07print "url:",content.geturl()
08print "content:"
09for line in content.readlines():
10    print line

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（即每下载一块就调用一次回调函数）。我们可以利用这个回调函数来显示当前的下载进度，也可以用于限速，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。

01#! /usr/bin/env python
02# coding: utf-8
03"""下载文件，并显示下载进度"""
04import urllib
05 
06def DownCall(count,size,total_filesize):
07    """count为已下载数据块个数，size为数据块的大小，total_filesize为文件总大小"""
08    per=100.0*count*size/total_filesize
09    if per>100:
10        per=100
11    print "Already download %d KB(%.2f"  %(count*size/1024,per)+"%)"
12 
13url="http://www.research.rutgers.edu/~rohanf/LP.pdf"
14localfilepath=r"C:\Users\Administrator\Desktop\download.pdf"
15urllib.urlretrieve(url,localfilepath,DownCall)

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；

现在通过代码总结一下urllib模块：

01# coding : utf-8
02import urllib
03 
04url = 'http://cnblogs.com'
05 
06#代理服务器
07proxies = {'http':'http://127.0.0.1:8087'}
08#使用代理服务器打开
09r = urllib.urlopen(url,proxies = proxies)
10 
11print r.info()
12print r.getcode()
13print r.geturl()
14 
15#打开本地文件
16f = urllib.urlopen(url = 'file:/home/ma6174/a.sh')
17print f.read()
18 
19#打开ftp
20#f = urllib.urlopen(url = 'ftp://username:password@ftpaddress')
21 
22#保存网页并显示进度
23def cbk(a, b, c):
24        '''
25        a: num
26        b: size
27        c: total
28        '''
29        per = 100.0*a*b/c
30        if per > 100:
31                per = 100
32        print '%.2f%%' % per
33 
34local = 'cnblogs.html'
35urllib.urlretrieve(url,local,cbk)
36 
37#get方法
38params = urllib.urlencode({'spam': 1, 'eggs': 2, 'bacon': 0})
39f = urllib.urlopen("http://www.musi-cal.com/cgi-bin/query?%s" % params)
40print f.read()
41 
42#post方法
43params = urllib.urlencode({'spam': 1, 'eggs': 2, 'bacon': 0})
44f = urllib.urlopen("http://www.musi-cal.com/cgi-bin/query", params)
45print f.read()
46 
47#编码解码
48data = 'name = ~a+3' 
49 
50data1 = urllib.quote(data)  
51print data1 # result: name%20%3D%20%7Ea%2B3  
52print urllib.unquote(data1) # result: name = ~a+3  
53   
54data2 = urllib.quote_plus(data)  
55print data2 # result: name+%3D+%7Ea%2B3  
56print urllib.unquote_plus(data2)    # result: name = ~a+3  
57   
58data3 = urllib.urlencode({ 'name': 'dark-bull', 'age': 200 })  
59print data3 # result: age=200&name=dark-bull  
60   
61data4 = urllib.pathname2url(r'd:/a/b/c/23.php')  
62print data4 # result: ///D|/a/b/c/23.php  
63print urllib.url2pathname(data4)    # result: D:/a/b/c/23.php