Python下载网页的几种方法

get和post方式总结

get方式：以URL字串本身传递数据参数，在服务器端可以从'QUERY_STRING'这个变量中直接读取，效率较高，但缺乏安全性，也无法来处理复杂的数据（只能是字符串，比如在servlet/jsp中就无法处理发挥java的比如vector之类的功能）。

post方式：就传输方式讲参数会被打包在数据报中传输，从CONTENT_LENGTH这个环境变量中读取，便于传送较大一些的数据，同时因为不暴露数据在浏览器的地址栏中，安全性相对较高，但这样的处理效率会受到影响。

get 请求表示客户端请求一个uri，服务器返回客户端请求的uri，post请求表示客户端请求的时候还要提交数据，比喻提交form表单，要提交的数据会放到请求报文的body部分。服务器收到后这样的请求后通常需要来处理这些数据。

在Form里面，可以使用post也可以使用get。它们都是method的合法取值。但是，post和get方法在使用上至少有两点不同：
1、Get方法通过URL请求来传递用户的输入。Post方法通过另外的形式。
2、Get方式的提交你需要用Request.QueryString来取得变量的值，而Post方式提交时，你必须通过Request.Form来访问提交的内容。

仔细研究下面的代码。你可以运行来感受一下：

<!--两个Form只有Method属性不同-->
<FORM ACTION="getpost.asp" METHOD="get">
<INPUT TYPE="text" NAME="Text" VALUE="Hello World"></INPUT>
<INPUT TYPE="submit" VALUE="" Method="Get"></INPUT>
</FORM>
<BR>
<FORM ACTION="getpost.asp" METHOD="post">
<INPUT TYPE="text" NAME="Text" VALUE="Hello World"></INPUT>
<INPUT TYPE="submit" VALUE="" Method="Post"></INPUT>
</FORM>
<BR>
<BR>

<% If Request.QueryString("Text") <> "" Then %>
通过get方法传递来的字符串是： "<B><%= Request.QueryString("Text") %></B>"<BR>
<% End If %>
<% If Request.Form("Text") <> "" Then %>
通过Post方法传递来的字符串是： "<B><%= Request.Form("Text") %></B>"<BR>
<% End If %>

把上面的代码保存为getpost.asp，然后运行，首先测试post方法，这时候，浏览器的url并没有什么变化，返回的结果是：
通过Post方法传递来的字符串是： "Hello World"
然后测试用get方法提交，请注意，浏览器的url变成了：
http://localhost/general/form/getpost.asp?Text=Hello+World
而返回的结果是：
通过get方法传递来的字符串是： "Hello World"
最后再通过post方法提交，浏览器的url还是：
http://localhost/general/form/getpost.asp?Text=Hello+World
而返回的结果变成：
通过get方法传递来的字符串是： "Hello World"
通过Post方法传递来的字符串是： "Hello World"

提示：通过get方法提交数据，可能会带来安全性的问题。比如一个登陆页面。当通过get方法提交数据时，用户名和密码将出现在URL上。如果：
１、登陆页面可以被浏览器缓存；２、其他人可以访问客户的这台机器。
那么，别人即可以从浏览器的历史记录中，读取到此客户的账号和密码。所以，在某些情况下，get方法会带来严重的安全性问题。建议在Form中，建议使用post方法。

Python下载网页的几种方法

通过get的方法：

fd = urllib2.urlopen(url_link)
data = fd.read()

使用get方式时，url类似如下格式：

index.jsp?id=100&op=bind

GET报问头如下：

GET /sn/index.php?sn=123&n=asa HTTP/1.1
Accept: */*
Accept-Language: zh-cn
host: localhost

Content-Type: application/x-www-form-urlencoded
Content-Length: 12 
Connection:close

get方法还可以通过如下方式实现：

def GetHtmlSource_Get(htmurl):
    htmSource = ""
    try:
        urlx = httplib.urlsplit(htmurl)
        conn = httplib.HTTPConnection(urlx.netloc)
        conn.connect()    #建立连接
        conn.putrequest("GET", htmurl, None)    #请求类型
        conn.putheader("Content-Length", 0)
        conn.putheader("Connection", "close")
        conn.endheaders()
        
        res = conn.getresponse()
        htmSource = res.read()
    except Exception(), err:
        trackback.print_exec()
        conn.close()  
    return htmSource

使用post方式时，POST方法将请求参数封装在HTTP请求数据中，以名称/值的形式出现，可以传输大量数据，可用来传送文件。POST报文头如下：

POST /sn/index.php HTTP/1.1
Accept: */*
Accept-Language: zh-cn
host: localhost

Content-Type: application/x-www-form-urlencoded
Content-Length: 12
Connection:closes
n=123&n=asa

无论是post还是get方式，他们所传递的数据都要进行url编码。每对name/value由&符分开；每对来自表单的name/value由=符分开；如果用户没有输入值给这个name，那么这个name还是出现，只是无值。；任何特殊的字符（就是那些不是简单的七位ASCII，如汉字）将以百分符%用十六进制编码。urllib库提供了一个函数来实现url的编码：

search=urllib.urlencode({'q'：'python'})
#'q=python'

通过post发送请求：

import httplib,urllib; 
#定义需要进行发送的数据    
params = urllib.urlencode({'cat_id':'6',     
                           'news_title':'标题-Test39875',     
                           'news_author':'Mobedu',     
                           'news_ahome':'来源',     
                           'tjuser':'carchanging',     
                           'news_keyword':'|',     
                           'news_content':'测试-Content',     
                           'action':'newnew',     
                           'MM_insert':'true'});     
#定义一些文件头    
headers = {"Content-Type":"application/x-www-form-urlencoded",     
           "Connection":"Keep-Alive",
           "Referer":"http://192.168.1.212/newsadd.asp?action=newnew"};     
#与网站构建一个连接    
conn = httplib.HTTPConnection("192.168.1.212");     
#开始进行数据提交   同时也可以使用get进行    
conn.request(method="POST",url="/newsadd.asp?action=newnew",body=params,headers=headers);     
#返回处理后的数据
response = conn.getresponse();     
#判断是否提交成功    
if response.status == 302:     
    print "发布成功!";     
else:     
    print "发布失败";     
#关闭连接    
conn.close();

也可以类似于get方法来实现：

def GetHtmlSource_Post(getString):
    htmSource = ""
    try:
        url = httplib.urlsplit("http://app.sipo.gov.cn:8080")
        conn = httplib.HTTPConnection(url.netloc)
        conn.connect()
        conn.putrequest("POST", "/sipo/zljs/hyjs-jieguo.jsp")    #post方法
        conn.putheader("Content-Length", len(getString))
        conn.putheader("Content-Type", "application/x-www-form-urlencoded")
        conn.putheader("Connection", " Keep-Alive")
        conn.endheaders()
        conn.send(getString)    #Http包的body
        
        f = conn.getresponse()
        if not f:
            raise socket.error, "timed out"
        htmSource = f.read()
        f.close()
        conn.close()
    except Exception(), err:
        trackback.print_exec()
        conn.close()
    return htmSource