python爬虫
来源:互联网 发布:美国亚马逊服务软件 编辑:程序博客网 时间:2024/06/05 06:27
1.urlopen()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。如果你不清楚,也不必太在意,一般情况下很少用到这个参数);
参数proxies用于设置代理。
urlopen返回 一个类文件对象,它提供了如下方法:
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;
代码示例:
复制代码 代码如下:
import urlliburl = "http://www.baidu.com/"#urlopen()sock = urllib.urlopen(url)htmlCode = sock.read()sock.closefp = open("/home/geeklee/1.html","wb")fp.write(htmlCode)fp.close#urlretrieve()urllib.urlretrieve(url, '/home/geeklee/2.html')
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
2.urlretrieve方法
直接将远程数据下载到本地。
复制代码 代码如下:
urllib.urlretrieve(url[, filename[, reporthook[, data]]])
参数说明:
url:外部或者本地url
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);
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。
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。
复制代码 代码如下:
import urllibdefcallbackfunc(blocknum, blocksize, totalsize):'''回调函数 @blocknum: 已经下载的数据块 @blocksize: 数据块的大小 @totalsize: 远程文件的大小 ''' percent =100.0 * blocknum * blocksize / totalsize if percent > 100: percent = 100 print "%.2f%%"% percenturl ='http://www.sina.com.cn'local = '/home/geeklee/1.html'urllib.urlretrieve(url, local, callbackfunc)
注:python3使用urllib的方式有所变化:
import urllib.request
- python爬虫-->爬虫基础
- [爬虫] Python爬虫技巧
- Python爬虫
- python 爬虫
- python 爬虫
- python 爬虫
- python爬虫
- Python爬虫
- Python爬虫
- python 爬虫
- Python爬虫
- python爬虫
- python 爬虫
- python 爬虫
- python爬虫
- python爬虫
- python爬虫
- python 爬虫
- [LeetCode]Swap Nodes in Pairs
- 文件上传 二
- 使用工具进入maven中央仓库进行jar包下载
- java表达式类型的自动提升
- 简易搭建http服务器
- python爬虫
- 我的python学习日记【序?】
- Objective-C语言--self和super关键字解析
- Set,List,Map,Vector,ArrayList的区别
- DIY个人智能家庭网关——python篇之门磁触发后自动点亮WIFI灯带
- hello测试博文标题
- PreparedStatement学习笔记
- 2017年2月27日23点34分
- 浅析 Hadoop 中的数据倾斜