urllib模塊提供的上層接口，使我們可以像讀取本地文件一樣讀取www和ftp上的數(shù)據(jù)。每當(dāng)使用這個(gè)模塊的時(shí)候，老是會(huì)想起公司產(chǎn)品的客戶(hù)端，同事用C++下載Web上的圖片，那種“痛苦”的表情。我以前翻譯過(guò)libcurl教程，這是在C/C++環(huán)境下比較方便實(shí)用的網(wǎng)絡(luò)操作庫(kù)，相比起libcurl，Python的urllib模塊的使用門(mén)檻則低多了?？赡苡行┤擞謺?huì)用效率來(lái)批評(píng)Python，其實(shí)在操作網(wǎng)絡(luò)，或者在集群交互的時(shí)候， 語(yǔ)言的執(zhí)行效率絕不是瓶頸。這種情況下，一個(gè)比較好的方法是，將python嵌入到C/C++中，讓Python來(lái)完成一些不是核心的邏輯處理。又扯遠(yuǎn)了，廢話(huà)少說(shuō)，開(kāi)始urllib之旅吧~~ （前幾天我用這個(gè)模塊寫(xiě)了個(gè)蜘蛛，感興趣的同學(xué)可以在以前的博客中找到代碼）

先看一個(gè)例子，這個(gè)例子把Google首頁(yè)的html抓取下來(lái)并顯示在控制臺(tái)上：

# 別驚訝，整個(gè)程序確實(shí)只用了兩行代碼
import urllib
print urllib.urlopen('http://www.google.com').read()

urllib.urlopen(url[, data[, proxies]]) :

創(chuàng)建一個(gè)表示遠(yuǎn)程url的類(lèi)文件對(duì)象，然后像本地文件一樣操作這個(gè)類(lèi)文件對(duì)象來(lái)獲取遠(yuǎn)程數(shù)據(jù)。參數(shù)url表示遠(yuǎn)程數(shù)據(jù)的路徑，一般是網(wǎng)址；參數(shù)data表示以post方式提交到url的數(shù)據(jù)(玩過(guò)web的人應(yīng)該知道提交數(shù)據(jù)的兩種方式：post與get。如果你不清楚，也不必太在意，一般情況下很少用到這個(gè)參數(shù))；參數(shù)proxies用于設(shè)置代理（這里不詳細(xì)講怎么使用代理，感興趣的看客可以去翻閱Python手冊(cè)u(píng)rllib模塊）。urlopen返回 一個(gè)類(lèi)文件對(duì)象，他提供了如下方法：

•         read() , readline() , readlines() , fileno() , close() ：這些方法的使用方式與文件對(duì)象完全一樣;
•         info()：返回一個(gè)httplib.HTTPMessage 對(duì)象，表示遠(yuǎn)程服務(wù)器返回的頭信息；
•         getcode()：返回Http狀態(tài)碼。如果是http請(qǐng)求，200表示請(qǐng)求成功完成;404表示網(wǎng)址未找到；
•         geturl()：返回請(qǐng)求的url；

下面來(lái)擴(kuò)充一下上面的例子，看官可以運(yùn)行一下這個(gè)例子，加深對(duì)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方法直接將遠(yuǎn)程數(shù)據(jù)下載到本地。參數(shù)filename指定了保存到本地的路徑（如果未指定該參數(shù)，urllib會(huì)生成一個(gè)臨時(shí)文件來(lái)保存數(shù)據(jù)）；參數(shù)reporthook是一個(gè)回調(diào)函數(shù)，當(dāng)連接上服務(wù)器、以及相應(yīng)的數(shù)據(jù)塊傳輸完畢的時(shí)候會(huì)觸發(fā)該回調(diào)。我們可以利用這個(gè)回調(diào)函 數(shù)來(lái)顯示當(dāng)前的下載進(jìn)度，下面的例子會(huì)展示。參數(shù)data指post到服務(wù)器的數(shù)據(jù)。該方法返回一個(gè)包含兩個(gè)元素的元組(filename, headers)，filename表示保存到本地的路徑，header表示服務(wù)器的響應(yīng)頭。下面通過(guò)例子來(lái)演示一下這個(gè)方法的使用，這個(gè)例子將新浪首頁(yè)的html抓取到本地，保存在D:/sina.html文件中，同時(shí)顯示下載的進(jìn)度。

def cbk(a, b, c):
  '''回調(diào)函數(shù)
  @a: 已經(jīng)下載的數(shù)據(jù)塊
  @b: 數(shù)據(jù)塊的大小
  @c: 遠(yuǎn)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)

上面介紹的兩個(gè)方法是urllib中最常用的方法，這些方法在獲取遠(yuǎn)程數(shù)據(jù)的時(shí)候，內(nèi)部會(huì)使用URLopener或者 FancyURLOpener類(lèi)。作為urllib的使用者，我們很少會(huì)用到這兩個(gè)類(lèi)，這里我不想多講。如果對(duì)urllib的實(shí)現(xiàn)感興趣， 或者希望urllib支持更多的協(xié)議，可以研究這兩個(gè)類(lèi)。在Python手冊(cè)中，urllib的作者還列出了這個(gè)模塊的缺陷和不足，感興趣的同學(xué)可以打開(kāi) Python手冊(cè)了解一下。

urllib中還提供了一些輔助方法，用于對(duì)url進(jìn)行編碼、解碼。url中是不能出現(xiàn)一些特殊的符號(hào)的，有些符號(hào)有特殊的用途。我們知道以get方式提交數(shù)據(jù)的時(shí)候，會(huì)在url中添加key=value這樣的字符串，所以在value中是不允許有'='，因此要對(duì)其進(jìn)行編碼；與此同時(shí)服務(wù)器接收到這些參數(shù)的時(shí)候，要進(jìn)行解碼，還原成原始的數(shù)據(jù)。這個(gè)時(shí)候，這些輔助方法會(huì)很有用：

•     urllib.quote(string[, safe])：對(duì)字符串進(jìn)行編碼。參數(shù)safe指定了不需要編碼的字符;
•     urllib.unquote(string) ：對(duì)字符串進(jìn)行解碼；
•     urllib.quote_plus(string [ , safe ] ) ：與urllib.quote類(lèi)似，但這個(gè)方法用'+'來(lái)替換' ‘，而quote用'%20′來(lái)代替' ‘
•     urllib.unquote_plus(string ) ：對(duì)字符串進(jìn)行解碼；
•     urllib.urlencode(query[, doseq])：將dict或者包含兩個(gè)元素的元組列表轉(zhuǎn)換成url參數(shù)。例如 字典{‘name': ‘dark-bull', ‘a(chǎn)ge': 200}將被轉(zhuǎn)換為”name=dark-bull&age=200″
•     urllib.pathname2url(path)：將本地路徑轉(zhuǎn)換成url路徑；

    urllib.url2pathname(path)：將url路徑轉(zhuǎn)換成本地路徑；

用一個(gè)例子來(lái)體驗(yàn)一下這些方法吧~~：

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模塊的基本使用，就這么簡(jiǎn)單。oh~~yeah~~又一個(gè)模塊寫(xiě)完了，想想，我已經(jīng)寫(xiě)了將近30個(gè)模塊了，有時(shí)間我要好好整理一下@@@@

最新評(píng)論