Python中的urllib模块使用详解

概述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

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 *** 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 *** 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 urllibprint 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 *** 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 *** 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%%' % perurl = '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%2B3print urllib.unquote(data1) # result: name = ~a+3data2 = urllib.quote_plus(data)print data2 # result: name+%3D+%7Ea%2B3print urllib.unquote_plus(data2)  # result: name = ~a+3data3 = urllib.urlencode({ 'name': 'dark-bull','age': 200 })print data3 # result: age=200&name=dark-bulldata4 = urllib.pathname2url(r'd:/a/b/c/23.PHP')print data4 # result: ///D|/a/b/c/23.PHPprint 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@@@@

总结

以上是内存溢出为你收集整理的Python中的urllib模块使用详解全部内容，希望文章能够帮你解决Python中的urllib模块使用详解所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。