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：
1 import urllib 2 3 url = "http://www.baidu.com/" 4 5 #urlopen() 6 sock = urllib.urlopen(url) 7 htmlCode = sock.read() 8 sock.close 9 fp = open("e:/1.html","wb") 10 fp.write(htmlCode) 11 fp.close 12 13 #urlretrieve() 14 urllib.urlretrieve(url, 'e:/2.html')
2.urlretrieve方法
直接将远程数据下载到本地。
1 urllib.urlretrieve(url[, filename[, reporthook[, data]]]) 2 参数说明： 3 url：外部或者本地url 4 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）； 5 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。 6 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。
1 import urllib 2 def callbackfunc(blocknum, blocksize, totalsize): 3 '''回调函数 4 @blocknum: 已经下载的数据块 5 @blocksize: 数据块的大小 6 @totalsize: 远程文件的大小 7 ''' 8 percent = 100.0 * blocknum * blocksize / totalsize 9 if percent > 100: 10 percent = 100 11 print "%.2f%%"% percent 12 13 url = 'http://www.sina.com.cn' 14 local = 'd:\\sina.html' 15 urllib.urlretrieve(url, local, callbackfunc)
