python网页抓取urllib、urllib2与httplib模块

python/urllib/ target=_blank class=infotextkey>python urllib模块与python urllib2模块的用法。

python抓取网页内容，使用python httplib模块抓取网页：

HTTPConnection提供的方法：
- HTTPConnection.request ( method , url [ ,body [ , headers ]] )
调用request 方法会向服务器发送一次请求
method 表示请求的方法，常用有方法有get 和post ；
url 表示请求的资源的url ；
body 表示提交到服务器的数据，必须是字符串（如果method是”post”，则可以把body 理解为html 表单中的数据）；
headers 表示请求的http 头。
- HTTPConnection.getresponse ()
获取Http 响应。返回的对象是HTTPResponse 的实例，关于HTTPResponse 在下面会讲解。
 - HTTPConnection.connect ()
连接到Http 服务器。
 - HTTPConnection.close ()
关闭与服务器的连接。
 - HTTPConnection.set_debuglevel ( level )
设置高度的级别。参数level 的默认值为0 ，表示不输出任何调试信息。
 
httplib.HTTPResponse
-HTTPResponse表示服务器对客户端请求的响应。往往通过调用HTTPConnection.getresponse()来创建，它有如下方法和属性：
-HTTPResponse.read([amt])
获取响应的消息体。如果请求的是一个普通的网页，那么该方法返回的是页面的html。可选参数amt表示从响应流中读取指定字节的数据。
 -HTTPResponse.getheader(name[, default])
获取响应头。Name表示头域(header field)名，可选参数default在头域名不存在的情况下作为默认值返回。
 -HTTPResponse.getheaders()
以列表的形式返回所有的头信息。
 - HTTPResponse.msg
获取所有的响应头信息。
 -HTTPResponse.version
获取服务器所使用的http协议版本。11表示http/1.1；10表示http/1.0。
 -HTTPResponse.status
获取响应的状态码。如：200表示请求成功。
 -HTTPResponse.reason
返回服务器处理请求的结果说明。一般为”OK”
 
例子：