Python网页抓取urllib,urllib2,httplib[1]

发布时间:2016-12-10 14:50:28 编辑:www.fx114.net 分享查询网我要评论
本篇文章主要介绍了"Python网页抓取urllib,urllib2,httplib[1]",主要涉及到Python网页抓取urllib,urllib2,httplib[1]方面的内容,对于Python网页抓取urllib,urllib2,httplib[1]感兴趣的同学可以参考一下。

前阶段使用到ftp,写了个工具脚本http://blog.csdn.net/wklken/article/details/7059423 最近需要抓网页,看了下python抓取方式   需求: 抓取网页,解析获取内容 涉及库:【重点urllib2】 urllib   http://docs.python.org/library/urllib.html urllib2  http://docs.python.org/library/urllib2.html httplib   http://docs.python.org/library/httplib.html 使用urllib: 1.      抓取网页信息   urllib.urlopen(url[, data[, proxies]]) : url: 表示远程数据的路径 data: 以post方式提交到url的数据 proxies:用于设置代理   urlopen返回对象提供方法: -         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请求成功完成;404网址未找到 -         geturl():返回请求的url 使用: [python] view plaincopyprint? #!/usr/bin/python   # -*- coding:utf-8 -*-   # urllib_test.py   # author:wklken   # 2012-03-17  wklken#yeah.net       import os   import urllib   url = "http://www.siteurl.com"      def use_urllib():     import urllib, httplib     httplib.HTTPConnection.debuglevel = 1      page = urllib.urlopen(url)     print "status:", page.getcode() #200请求成功,404     print "url:", page.geturl()     print "head_info:\n",  page.info()     print "Content len:", len(page.read())   附带的其他方法:(主要是url编码解码) -         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': 'wklken', 'pwd': '123'}将被转换为"name=wklken&pwd=123" -         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 使用: [python] view plaincopyprint? def urllib_other_functions():     astr = urllib.quote('this is "K"')     print astr     print urllib.unquote(astr)     bstr = urllib.quote_plus('this is "K"')     print bstr     print urllib.unquote(bstr)        params = {"a":"1", "b":"2"}     print urllib.urlencode(params)        l2u = urllib.pathname2url(r'd:\a\test.py')     print l2u      print urllib.url2pathname(l2u)   2.  下载远程数据 urlretrieve方法直接将远程数据下载到本地 urllib.urlretrieve(url[, filename[, reporthook[, data]]]):   filename指定保存到本地的路径(若未指定该,urllib生成一个临时文件保存数据) reporthook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 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。 [python] view plaincopyprint? def  callback_f(downloaded_size, block_size, romote_total_size):     per = 100.0 * downloaded_size * block_size / romote_total_size     if per > 100:       per = 100      print "%.2f%%"% per       def use_urllib_retrieve():     import urllib     local = os.path.join(os.path.abspath("./"), "a.html")     print local     urllib.urlretrieve(url,local,callback_f)  

上一篇:js用法
下一篇:【找工作】南京三星中国研究院

相关文章

相关评论