Python中的urllib模块使用详解


Posted in Python onJuly 07, 2015

urllib模块提供的上层接口,使我们可以像读取本地文件一样读取www和ftp上的数据。每当使用这个模块的时候,老是会想起公司产品的客户端,同事用C++下载Web上的图片,那种“痛苦”的表情。我以前翻译过libcurl教程,这是在C/C++环境下比较方便实用的网络操作库,相比起libcurl,Python的urllib模块的使用门槛则低多了。可能有些人又会用效率来批评Python,其实在操作网络,或者在集群交互的时候, 语言的执行效率绝不是瓶颈。这种情况下,一个比较好的方法是,将python嵌入到C/C++中,让Python来完成一些不是核心的逻辑处理。又扯远了,废话少说,开始urllib之旅吧~~ (前几天我用这个模块写了个蜘蛛,感兴趣的同学可以在以前的博客中找到代码)

先看一个例子,这个例子把Google首页的html抓取下来并显示在控制台上:

# 别惊讶,整个程序确实只用了两行代码
import urllib
print urllib.urlopen('http://www.google.com').read()

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(这里不详细讲怎么使用代理,感兴趣的看客可以去翻阅Python手册urllib模块)。urlopen返回 一个类文件对象,他提供了如下方法:

  •         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;

下面来扩充一下上面的例子,看官可以运行一下这个例子,加深对urllib的印象:

google = urllib.urlopen('http://www.google.com')
print 'http header:/n', google.info()
print 'http status:', google.getcode()
print 'url:', google.geturl()
for line in google: # 就像在操作本地文件
  print line,
google.close()

urllib.urlretrieve(url[, filename[, reporthook[, data]]]):

urlretrieve方法直接将远程数据下载到本地。参数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);参数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,下面的例子会展示。参数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。

def cbk(a, b, c):
  '''回调函数
  @a: 已经下载的数据块
  @b: 数据块的大小
  @c: 远程文件的大小
  '''
  per = 100.0 * a * b / c
  if per > 100:
    per = 100
  print '%.2f%%' % per

url = 'http://www.sina.com.cn'
local = 'd://sina.html'
urllib.urlretrieve(url, local, cbk)

上面介绍的两个方法是urllib中最常用的方法,这些方法在获取远程数据的时候,内部会使用URLopener或者 FancyURLOpener类。作为urllib的使用者,我们很少会用到这两个类,这里我不想多讲。如果对urllib的实现感兴趣, 或者希望urllib支持更多的协议,可以研究这两个类。在Python手册中,urllib的作者还列出了这个模块的缺陷和不足,感兴趣的同学可以打开 Python手册了解一下。

urllib中还提供了一些辅助方法,用于对url进行编码、解码。url中是不能出现一些特殊的符号的,有些符号有特殊的用途。我们知道以get方式提交数据的时候,会在url中添加key=value这样的字符串,所以在value中是不允许有'=',因此要对其进行编码;与此同时服务器接收到这些参数的时候,要进行解码,还原成原始的数据。这个时候,这些辅助方法会很有用:

  •     urllib.quote(string[, safe]):对字符串进行编码。参数safe指定了不需要编码的字符;
  •     urllib.unquote(string) :对字符串进行解码;
  •     urllib.quote_plus(string [ , safe ] ) :与urllib.quote类似,但这个方法用'+'来替换' ‘,而quote用'%20′来代替' ‘
  •     urllib.unquote_plus(string ) :对字符串进行解码;
  •     urllib.urlencode(query[, doseq]):将dict或者包含两个元素的元组列表转换成url参数。例如 字典{‘name': ‘dark-bull', ‘age': 200}将被转换为”name=dark-bull&age=200″
  •     urllib.pathname2url(path):将本地路径转换成url路径;

    urllib.url2pathname(path):将url路径转换成本地路径;

用一个例子来体验一下这些方法吧~~:

data = 'name = ~a+3'

data1 = urllib.quote(data)
print data1 # result: name%20%3D%20%7Ea%2B3
print urllib.unquote(data1) # result: name = ~a+3

data2 = urllib.quote_plus(data)
print data2 # result: name+%3D+%7Ea%2B3
print urllib.unquote_plus(data2)  # result: name = ~a+3

data3 = urllib.urlencode({ 'name': 'dark-bull', 'age': 200 })
print data3 # result: age=200&name=dark-bull

data4 = urllib.pathname2url(r'd:/a/b/c/23.php')
print data4 # result: ///D|/a/b/c/23.php
print urllib.url2pathname(data4)  # result: D:/a/b/c/23.php

urllib模块的基本使用,就这么简单。oh~~yeah~~又一个模块写完了,想想,我已经写了将近30个模块了,有时间我要好好整理一下@@@@

Python 相关文章推荐
在Python中操作时间之mktime()方法的使用教程
May 22 Python
python中文分词,使用结巴分词对python进行分词(实例讲解)
Nov 14 Python
python使用turtle库与random库绘制雪花
Jun 22 Python
python中字符串内置函数的用法总结
Sep 13 Python
python面向对象实现名片管理系统文件版
Apr 26 Python
int在python中的含义以及用法
Jun 27 Python
Django实现CAS+OAuth2的方法示例
Oct 30 Python
python绘制规则网络图形实例
Dec 09 Python
在pycharm中为项目导入anacodna环境的操作方法
Feb 12 Python
Django调用百度AI接口实现人脸注册登录代码实例
Apr 23 Python
Python logging模块写入中文出现乱码
May 21 Python
Python3爬虫关于代理池的维护详解
Jul 30 Python
Python实现图像几何变换
Jul 06 #Python
Python统计日志中每个IP出现次数的方法
Jul 06 #Python
python统计日志ip访问数的方法
Jul 06 #Python
python检查指定文件是否存在的方法
Jul 06 #Python
python转换字符串为摩尔斯电码的方法
Jul 06 #Python
python实现文件路径和url相互转换的方法
Jul 06 #Python
详解Python中的Cookie模块使用
Jul 06 #Python
You might like
PHILIPS AE3805收音机的分析打磨
2021/03/02 无线电
ThinkPHP3.1新特性之查询条件预处理简介
2014/06/19 PHP
PHP mongodb操作类定义与用法示例【适合mongodb2.x和mongodb3.x】
2018/06/16 PHP
php过滤htmlspecialchars() 函数实现把预定义的字符转换为 HTML 实体用法分析
2019/06/25 PHP
Ext javascript建立超链接,进行事件处理的实现方法
2009/03/22 Javascript
jquery应该如何来设置改变按钮input的onclick事件
2012/12/10 Javascript
node.js中的console.error方法使用说明
2014/12/10 Javascript
BootStrap的Datepicker控件使用心得分享
2016/05/25 Javascript
jQuery实现ToolTip元素定位显示功能示例
2016/11/23 Javascript
js实现选项卡内容切换以及折叠和展开效果【推荐】
2017/01/08 Javascript
vue-cli中的webpack配置详解
2017/09/25 Javascript
React props和state属性的具体使用方法
2018/04/12 Javascript
JS实现鼠标拖拽盒子移动及右键点击盒子消失效果示例
2019/01/29 Javascript
如何用原生js写一个弹窗消息提醒插件
2019/05/24 Javascript
layui使用templet格式化表格数据的方法
2019/09/16 Javascript
浅谈layui 绑定form submit提交表单的注意事项
2019/10/25 Javascript
JavaScript实现轮播图效果
2020/10/30 Javascript
[01:44]剑指西雅图 展望TI之CIS战队专访
2014/06/25 DOTA
[00:35]TI7不朽珍藏III——寒冰飞龙不朽展示
2017/07/15 DOTA
开始着手第一个Django项目
2015/07/15 Python
Python实现操纵控制windows注册表的方法分析
2019/05/24 Python
python3中利用filter函数输出小于某个数的所有回文数实例
2019/11/24 Python
Python使用pymysql模块操作mysql增删改查实例分析
2019/12/19 Python
三步解决python PermissionError: [WinError 5]拒绝访问的情况
2020/04/22 Python
CSS3中的Transition过度与Animation动画属性使用要点
2016/05/20 HTML / CSS
澳大利亚儿童精品仓库:Goo & Co.
2019/06/20 全球购物
学校综治宣传月活动总结
2014/07/02 职场文书
学习退步检讨书
2014/09/28 职场文书
公司法定代表人授权委托书
2014/09/29 职场文书
公司庆典欢迎词
2015/01/26 职场文书
2015年度质量工作总结报告
2015/04/27 职场文书
离婚上诉状范文
2015/05/23 职场文书
《小摄影师》教学反思
2016/02/18 职场文书
mysql多表查询-笔记七
2021/04/05 MySQL
Python虚拟环境virtualenv是如何使用的
2021/06/20 Python
浅谈redis的过期时间设置和过期删除机制
2022/03/18 MySQL