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)使用這個模塊的時候，老是會想起公司產(chǎn)品的客戶端，同事用C++下載Web上的圖片，那種“痛苦”的表情。我以前翻譯過libcurl教程，這是在C/C++環(huán)境下比較方便實用的網(wǎng)絡(luò)操作庫，相比起libcurl，Python的urllib模塊的使用門檻則低多了?？赡苡行┤擞謺眯蕘砼uPython，其實在操作網(wǎng)絡(luò)，或者在集群交互的時候， 語言的執(zhí)行效率絕不是瓶頸。這種情況下，一個比較好的方法是，將python嵌入到C/C++中，讓Python來完成一些不是核心的邏輯處理。又扯遠了，廢話少說，開始urllib之旅吧~~ （前幾天我用這個模塊寫了個蜘蛛，感興趣的同學(xué)可以在以前的博客中找到代碼）

先看一個例子，這個例子把Google首頁的html抓取下來并顯示在控制臺上：

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

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

創(chuàng)建一個表示遠程url的類文件對象，然后像本地文件一樣操作這個類文件對象來獲取遠程數(shù)據(jù)。參數(shù)url表示遠程數(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參數(shù))；參數(shù)proxies用于設(shè)置代理（這里不詳細講怎么使用代理，感興趣的看客可以去翻閱Python手冊urllib模塊）。urlopen返回 一個類文件對象，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象完全一樣;
•         info()：返回一個httplib.HTTPMessage 對象，表示遠程服務(wù)器返回的頭信息；
•         getcode()：返回Http狀態(tài)碼。如果是http請求，200表示請求成功完成;404表示網(wǎng)址未找到；
•         geturl()：返回請求的url；

下面來擴充一下上面的例子，看官可以運行一下這個例子，加深對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會生成一個臨時文件來保存數(shù)據(jù)）；參數(shù)reporthook是一個回調(diào)函數(shù)，當(dāng)連接上服務(wù)器、以及相應(yīng)的數(shù)據(jù)塊傳輸完畢的時候會觸發(fā)該回調(diào)。我們可以利用這個回調(diào)函 數(shù)來顯示當(dāng)前的下載進度，下面的例子會展示。參數(shù)data指post到服務(wù)器的數(shù)據(jù)。該方法返回一個包含兩個元素的元組(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。下面通過例子來演示一下這個方法的使用，這個例子將新浪首頁的html抓取到本地，保存在D:/sina.html文件中，同時顯示下載的進度。

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)

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

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

•     urllib.quote(string[, safe])：對字符串進行編碼。參數(shù)safe指定了不需要編碼的字符;
•     urllib.unquote(string) ：對字符串進行解碼；
•     urllib.quote_plus(string [ , safe ] ) ：與urllib.quote類似，但這個方法用'+'來替換' ‘，而quote用'%20′來代替' ‘
•     urllib.unquote_plus(string ) ：對字符串進行解碼；
•     urllib.urlencode(query[, doseq])：將dict或者包含兩個元素的元組列表轉(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；

用一個例子來體驗一下這些方法吧~~：

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，就這么簡單。oh~~yeah~~又一個模塊寫完了，想想，我已經(jīng)寫了將近30個模塊了，有時間我要好好整理一下@@@@

最新評論