Python urllib模块urlopen()与urlretrieve()的使用方法详解。
1.urlopen()方法
urllib.urlopen(url[, data[, proxies]]) :创建一个表示远程url的类文件对象&＃xff0c;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&＃xff0c;一般是网址&＃xff1b;
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&＃xff1a;post与get。
参数proxies用于设置代理。
urlopen返回 一个类文件对象&＃xff0c;它提供了如下方法&＃xff1a;
read() , readline() , readlines() , fileno() , close() &＃xff1a;这些方法的使用方式与文件对象完全一样;
info()&＃xff1a;返回一个httplib.HTTPMessage 对象&＃xff0c;表示远程服务器返回的头信息
getcode()&＃xff1a;返回Http状态码。如果是http请求&＃xff0c;200表示请求成功完成;404表示网址未找到&＃xff1b;
geturl()&＃xff1a;返回请求的url&＃xff1b;
代码示例&＃xff1a;
代码如下:
import urllib
url &＃61; "http://www.baidu.com/"
#urlopen()
sock &＃61; urllib.urlopen(url)
htmlCode &＃61; sock.read()
sock.close
fp &＃61; open("e:/1.html","wb")
fp.write(htmlCode)
fp.close
#urlretrieve()
urllib.urlretrieve(url, &＃39;e:/2.html&＃39;)
2.urlretrieve方法
直接将远程数据下载到本地。
代码如下:
urllib.urlretrieve(url[, filename[, reporthook[, data]]])
参数说明&＃xff1a;
url&＃xff1a;外部或者本地url
filename&＃xff1a;指定了保存到本地的路径&＃xff08;如果未指定该参数&＃xff0c;urllib会生成一个临时文件来保存数据&＃xff09;&＃xff1b;
reporthook&＃xff1a;是一个回调函数&＃xff0c;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&＃xff1a;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)&＃xff0c;filename表示保存到本地的路径&＃xff0c;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&＃xff0c;这个例子将新浪首页的html抓取到本地&＃xff0c;保存在D:/sina.html文件中&＃xff0c;同时显示下载的进度。 代码如下:
import urllib
def callbackfunc(blocknum, blocksize, totalsize):
&＃39;&＃39;&＃39;回调函数
&＃64;blocknum: 已经下载的数据块
&＃64;blocksize: 数据块的大小
&＃64;totalsize: 远程文件的大小
&＃39;&＃39;&＃39;
percent &＃61; 100.0 * blocknum * blocksize / totalsize
if percent > 100:
percent &＃61; 100
print "%.2f%%"% percent
url &＃61; &＃39;http://www.sina.com.cn&＃39;
local &＃61; &＃39;d:\\sina.html&＃39;
urllib.urlretrieve(url, local, callbackfunc)
urlopen返回 一个类文件对象&＃xff0c;他提供了如下方法&＃xff1a; read() , readline() , readlines() , fileno() , close() &＃xff1a;这些方法的使用方式与文件对象完全一样;
info()&＃xff1a;返回一个httplib.HTTPMessage 对象&＃xff0c;表示远程服务器返回的头信息&＃xff1b;
getcode()&＃xff1a;返回Http状态码。如果是http请求&＃xff0c;200表示请求成功完成;404表示网址未找到&＃xff1b;
geturl()&＃xff1a;返回请求的url&＃xff1b;
下面来扩充一下上面的例子&＃xff0c;看官可以运行一下这个例子&＃xff0c;加深对urllib的印象&＃xff1a;
google &＃61; urllib.urlopen(&＃39;http://www.google.com&＃39;)
print &＃39;http header:/n&＃39;, google.info()
print &＃39;http status:&＃39;, google.getcode()
print &＃39;url:&＃39;, google.geturl()
for line in google: # 就像在操作本地文件
print line,
京公网安备 11010802041100号