Python urllib模块学习

urlopen()与urlretrieve()

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：

 import urllib

 url = "http://www.baidu.com/"

 #urlopen()

 sock = urllib.urlopen(url)

 htmlCode = sock.read()

 sock.close

 fp = open("e:/1.html","wb")

 fp.write(htmlCode)

 fp.close

 #urlretrieve()

 urllib.urlretrieve(url, 'e:/2.html')

2.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)