【转载】python2x与3x下urlretrieve的使用

转载地址：https://blog.csdn.net/drdairen/article/details/61934598

1、python2x下urlretrieve方法： 
直接将远程数据下载到本地。 
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。

import urllib

def callbackfunc(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%%"% percent

url = 'http://www.sina.com.cn'

local = 'd:\\sina.html'

urllib.urlretrieve(url, local, callbackfunc)

2、python3下面要使用：urllib.request.urlretrieve()这种形式的调用，下面附一个python3下爬取贴吧上的图片的爬虫程序：

import urllib.request

import re

#py抓取页面图片并保存到本地

#获取页面信息

def getHtml(url):

    html = urllib.request.urlopen(url).read()

    return html

#通过正则获取图片

def getImg(html):

    reg = 'src="(.+?\.jpg)" pic_ext'

    imgre = re.compile(reg)

    imglist = re.findall(imgre,html)

   # print(imglist)

    return imglist

html = getHtml("http://tieba.baidu.com/p/2460150866")

list=getImg(html.decode())

#循环把图片存到本地

x = 0

for imgurl in list:

    print(x)

    urllib.request.urlretrieve(imgurl,'d:\\%s.jpg'% x)

    x+=1

print("done")