python urllib库
python2和python3中的urllib
urllib提供了一个高级的 Web 通信库，支持基本的 Web 协议，如 HTTP、FTP 和 Gopher 协议，同时也支持对本地文件的访问。
具体来说，urllib 模块的功能是利用前面介绍的协议来从因特网、局域网、本地主机上下载数据。
使用这个模块就无须用到 httplib、ftplib和 gopherlib 这些模块了，除非需要用到更低层的功能。
Python 2 中有 urlib、urlparse、urllib2，以及其他内容。在 Python 3 中，所有这些相关模块都整合进了一个名为 urllib 的单一包中。
urlib 和 urlib2 中的内容整合进了 urlib.request模块中，urlparse 整合进了 urllib.parse 中。
Python 3 中的 urlib 包还包括 response、error 和robotparse 这些子模块。
URL的格式
prot_sch://net_loc/path;params?query#frag
URL的各个部分（Web地址的各个组件）
prot_sch 网络协议或下载方案 net_loc 服务器所在地（也含有用户信息） path 使用斜杠(/)分割的文件或CGI应用的路径 params 可选参数 query 连接符(&)分割的一系列键值对 frag 指定文档内特定锚的部分 net_loc 可以进一步拆分成多个组件，一些是必备的，另一些是可选的： user:passwd@host:port user 用户名或登录 passwd 用户密码 host 运行web服务器的计算机名称或地址（必须的） port 端口号(如果不是默认的80)
urllib.parse模块
在python2中叫做urlparse，在python3中已经改名为urllib.parse
urllib.parse 模块提供了一些基本功能，用于处理 URL 字符串。这些功能包括 urlparse()、urlunparse()和 urljoin()。
urllib.parse 模块中的核心函数描述
urlparse(urlstr,defProSch=None,allowFrag=None) 将urlstr解析成各个组件，如果在urlstr中没有给定协议或方案，则使用defProtSch;allowFrag 决定是否允许有 URL 片段 urlunparse(urltup) 将 URL 数据(urltup)的一个元组拼成一个 URL 字符串 urljoin(baseurl, newurl, allowFrag=None) 将 URL 的根域名和 newurl 拼合成一个完整的 URL；allowFrag 的作用和urlpase()相同
urlparse()将 urlstr 解析成一个 6 元组（prot_sch, net_loc, path, params, query, frag）：
语法：urlparse(urlstr, defProtSch=None, allowFrag=None)
>>> urllib.parse.urlparse("https://www.smelond.com?cat=6")
ParseResult(scheme='https', netloc='www.smelond.com', path='', params='', query='cat=6', fragment='')
urlunparse()的功能与 urlpase()完全相反，其将经 urlparse()处理的 URL 生成 urltup 这个 6元组(prot_sch, net_loc, path, params, query, frag)，拼接成 URL 并返回：
语法：urlunparse(urltup)
>>> result = urllib.parse.urlparse("https://www.smelond.com")
>>> print(result)
ParseResult(scheme='https', netloc='www.smelond.com', path='', params='', query='', fragment='')
>>> urllib.parse.urlunparse(result)
'https://www.smelond.com'
在需要处理多个相关的 URL 时我们就需要使用 urljoin()的功能了，例如，一个 Web 页中可能会产生一系列页面 URL：
urljoin()取得根域名，并将其根路径（net_loc 及其前面的完整路径，但是不包括末端的文件）与 newurl 连接起来。
语法：urljoin (baseurl, newurl, allowFrag=None)
>>> urllib.parse.urljoin("https://www.smelond.com?cat=6","?cat=7")
'https://www.smelond.com?cat=7'
>>> urllib.parse.urljoin("https://www.smelond.com?cat=6","abc")
'https://www.smelond.com/abc'
>>> urllib.parse.urljoin("https://www.smelond.com?cat=6","/test/abc.html")
'https://www.smelond.com/test/abc.html'
>>> urllib.parse.urljoin("https://www.smelond.com","abc.html")
'https://www.smelond.com/abc.html'
urllib模块/包
urllib 模块提供了许多函数，可用于从指定 URL 下载数据，同时也可以对字符串进行编码、解码工作，以便在 URL 中以正确的形式显示出来。
urllib.request.urlopen()
urlopen()打开一个给定 URL 字符串表示的 Web 连接，并返回文件类型的对象：
语法：urlopen (urlstr, postQueryData=None)
from urllib.request import urlopen
x = urlopen("https://www.smelond.com")
data = x.read().decode("utf-8")
print(data)
<!DOCTYPE HTML><html><head><meta charset="UTF-8"><meta http-equiv="X-UA-Compatible" content="IE=10,IE=9,IE=8">.......一堆html输出中
<!--压缩前的大小: 20278 bytes; 压缩后的大小: 19511 bytes; 节约：3.78% -->
urllib.request.urlopen()文件类型对象的方法：
f.read() 从f中读出所有或bytes个字节 f.readline() 从f中读取一行 f.readlines() 从f中读出所有行，作为列表返回 f.close() 关闭f的URL连接 f.fileno() 返回f的文件句柄 f.info() 获得f的MIME头文件 f.geturl() 返回f的真正URL
from urllib.request import urlopen
x = urlopen("https://www.smelond.com")
data = x.info()
print(data)
Server: nginx
Date: Mon, 12 Mar 2018 07:36:18 GMT
Content-Type: text/html; charset=UTF-8
Transfer-Encoding: chunked
Connection: close
Vary: Accept-Encoding
X-Powered-By: PHP/5.5.38
Link: <https://www.smelond.com/index.php?rest_route=/>
urllib.request.urlretrieve()
urlretrieve()不是用来以文件的形式访问并打开 URL，而是用于下载完整的 HTML，把另存为文件（当然，他可以直接下载文件）
语法：urlretrieve(url, filename=None, reporthook=None, data=None)
from urllib.request import urlretrieve
urlretrieve("https://www.smelond.com", filename="test.html")
urllib.parse.quote()和urllib.parse.quote_plus()
quote*()函数用来获取 URL 数据，并将其编码，使其可以用于 URL 字符串中。
safe 字符串可以包含一系列不能转换的字符，默认字符是斜线（/）。
语法：quote(urldata, safe='/')
from urllib.parse import quote
name = "smelond"
number = 6
base = "https://"
query = "cat"
print(quote("%s%s.com/?%s=%d and 1=1" % (base, name, query, number), safe="?/=: ")) #注意我最后有一个空格
print(quote("%s%s.com/?%s=%d and 1=1" % (base, name, query, number)))
https://smelond.com/?cat=6 and 1=1 #上面加排除了空格，所有and旁边没有翻译成为%20
https%3A//smelond.com/%3Fcat%3D6%20and%201%3D1 #默认/不转换
quote_plus()与 quote()很像，只是它还可以将空格编码成“+”号：
from urllib.parse import quote_plus
name = "smelond"
number = 6
base = "https://"
query = "cat"
print(quote_plus("%s%s.com/?%s=%d and 1=1" % (base, name, query, number), safe="?/=: "))
print(quote_plus("%s%s.com/?%s=%d and 1=1" % (base, name, query, number)))
https://smelond.com/?cat=6+and+1=1
https%3A%2F%2Fsmelond.com%2F%3Fcat%3D6+and+1%3D1
#输出结果中看出不管是否排除“空格”，quote_plus都会将空格变为+号，而且没有默认的safe
urllib.parse.unquote()和 urllib.parse.unquote_plus()
unquote*()函数与 quote*()函数的功能完全相反，前者将所有编码为“%xx”式的字符转换成等价的 ASCII 码值。
调用 unquote()函数将会把 urldata 中所有的 URL 编码字母都解码，并返回字符串。unquote_plus()函数会将加号转换成空格符。
语法：unquote*(urldata)
from urllib.parse import unquote
from urllib.parse import unquote_plus
print(unquote("https%3A//smelond.com/%3Fcat%3D6%20and%201%3D1"))
print(unquote_plus("https%3A%2F%2Fsmelond.com%2F%3Fcat%3D6+and+1%3D1"))
https://smelond.com/?cat=6 and 1=1
https://smelond.com/?cat=6 and 1=1
urllib.urlencode()
urlopen()函数接收字典的键值对，并将其编译成字符串，键值对的格式是“键=值”，以连接符（&）划分。
另外，键及其对应的值会传到quote_plus()函数中进行适当的编码。
from urllib.parse import urlencode
adict = {"name": "smelond", "cat": "6", " and 1": "1"}
print("https://www.smleond.com&%s" % urlencode(adict))
https://www.smleond.com&name=smelond&cat=6&+and+1=1
urllib模块中的核心函数
urlopen(urlstr, postQueryData=None) 打开 URL urlstr，如果是 POST 请求，则通过 postQueryData 发送请求的数据
urlretrieve(urlstr, localfile=None,downloadStatusHook=None) 将 URL urlstr 中的文件下载到 localfile 或临时文件中（如果没有指定 localfile）；
如果函数正在执行，downloadStatusHook 将会获得下载的统计信息
quote(urldata, safe='/') 对 urldata 在 URL 里无法使用的字符进行编码，safe 中的字符无须编码
quote_plus(urldata, safe='/') 除了将空格编译成加（+）号（而非%20）之外，其他功能与 quote()相似
unquote(urldata) 将 urldata 中编码过的字符解码
unquote_plus(urldata) 除了将加号转换成空格，其他功能与 unquote()相同
urlencode(dict) 将 dict 的键值对通过 quote_plus()编译成有效的 CGI 查询字符串，用 quote_plus()对这个字符串进行编码
urllib 模块通过安全套接字层（SSL）支持开放的 HTTP 连接（socket 模块的核心变化是增加并实现了 SSL）。
httplib 模块支持使用“https”连接方案的 URL。除了那两个模块以外，其他支持 SSL 的模块还有 imaplib、poplib 和 smtplib。
