python urllib模块网页抓取实例教程_Python模块

python urllib模块网页抓取实例教程: 发布时间：2020-08-23编辑：脚本学堂

有关python urllib模块抓取网页内容的方法，使用urllib模块抓取网页信息，python urllib模块下载远程数据，需要的朋友参考下。

需求：
pythonzhuaqu/ target=_blank class=infotextkey>python抓取网页，解析获取内容

python模块：

涉及库：【重点python urllib2模块】
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模块：
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：

复制代码代码示例:

#!/usr/bin/python  

# -*- coding:utf-8 -*-  

# urllib_test.py  

# author:wklken  

# 2012-03-17  wklken#yeah.net   

import os  

import urllib  

url = "http://www.plcxue.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())

附其他方法：（主要是url编码与url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：

复制代码代码示例:

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:atest.py')  

  print l2u   

  print urllib.url2pathname(l2u)

2. python urllib模块下载远程数据
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。
代码：

复制代码代码示例:

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：python os模块操作文件与目录,python os模块常用模块
下一篇：python urllib2模块递归抓取网站图片

与 python urllib模块网页抓取实例教程有关的文章

本文标题：python urllib模块网页抓取实例教程
本页链接：http://www.jb200.com/python/29426.htm

浏览排行

栏目分类

热点文章

python urllib模块网页抓取实例教程