前言
相信大家在做一个Python项目的时候，肯定会用到模块，就想JAVA会用到JAR包一样，这样会让我们的开发更高效和更简洁，本节为大家介绍一个URLlib模块
在python中urllib模块提供上层接口,可以使用它下载读取数据,这里举个例子,把sina首页的html抓取下来显示出来.有2种方法可以实现.
1.urlopen(url, data=None, proxies=None)
urlopen(url [, data]) -> open file-like object
创建一个表示远程url的类文件对象，然后像本地文件一样操作这个类文件对象来获取远程数据。参数url表示远程数据的路径，一般是网址；参数data表示以post方式提交到url的数据;参数proxies用于设置代理.urlopen返回一个类文件对象.
#!/usr/bin/python2.5
import urllib
url = "http://www.sina.com"
data = urllib.urlopen(url).read()
print data```
root@10.1.6.200:~# python gethtml.py
<meta http-equiv="Content-type" content="text/html; charset=gb2312" />
<title>тK˗ҳ</title>
<meta name="keywords" content="тK,тKθ,SINA,sina,sina.com.cn,тK˗ҳ,ą»§,؊Ѷ" />
....`
2 urlretrieve(url, filename=None, reporthook=None, data=None)
urlretrieve方法直接将远程数据下载到本地。参数filename指定了保存到本地的路径(如果未指定该参数，urllib会生成一个临时文件来保存数据)；参数reporthook是一个回调函数,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.
#!/usr/bin/python2.5
import urllib
url = "http://www.sina.com"
path = "/root/sina.txt"
data = urllib.urlretrieve(url,path)```
root@10.1.6.200:~# python getsina.py
root@10.1.6.200:~# cat sina.txt
<meta http-equiv="Content-type" content="text/html; charset=gb2312" />
<title>тK˗ҳ</title>
<meta name="keywords" content="тK,тKθ,SINA,sina,sina.com.cn,тK˗ҳ,ą»§,؊Ѷ" />
....
不仅如此,这里写个爬虫小程序,可以把百度贴吧http://tieba.baidu.com/p/2236567282网页上的jpg图片依次下载下来.
root@10.1.6.200:~# cat getJpg.py
!/usr/bin/python2.5
import re
import urllib
def getHtml(url):
html = urllib.urlopen(url).read()
return html
def getJpg(html):
reg = r'src="(http://.*?\.jpg)"'
imgre = re.compile(reg)
imgList = re.findall(imgre,html)
x = 0
for imgurl in imgList:
urllib.urlretrieve(imgurl,'%s.jpg' % x)
x += 1
html = getHtml("http://tieba.baidu.com/p/2236567282")
getJpg(html)`
root@10.1.6.200:~# python 11.py
root@10.1.6.200:~# ls -l
total 1680
-rw-r--r-- 1 root root 38695 2013-04-11 23:32 0.jpg
-rw-r--r-- 1 root root 48829 2013-04-11 23:32 10.jpg
-rw-r--r-- 1 root root 51835 2013-04-11 23:32 11.jpg
-rw-r--r-- 1 root root 41688 2013-04-11 23:32 12.jpg
-rw-r--r-- 1 root root 1077 2013-04-11 23:32 13.jpg
-rw-r--r-- 1 root root 33989 2013-04-11 23:32 14.jpg
-rw-r--r-- 1 root root 41890 2013-04-11 23:32 15.jpg
-rw-r--r-- 1 root root 35728 2013-04-11 23:32 16.jpg
-rw-r--r-- 1 root root 44405 2013-04-11 23:32 17.jpg
-rw-r--r-- 1 root root 29847 2013-04-11 23:32 18.jpg
-rw-r--r-- 1 root root 44607 2013-04-11 23:32 19.jpg
-rw-r--r-- 1 root root 23939 2013-04-11 23:32 1.jpg
-rw-r--r-- 1 root root 45592 2013-04-11 23:32 20.jpg
-rw-r--r-- 1 root root 60910 2013-04-11 23:32 2.jpg
-rw-r--r-- 1 root root 39014 2013-04-11 23:32 3.jpg
-rw-r--r-- 1 root root 19057 2013-04-11 23:32 4.jpg
-rw-r--r-- 1 root root 64584 2013-04-11 23:32 5.jpg
-rw-r--r-- 1 root root 29297 2013-04-11 23:32 6.jpg
-rw-r--r-- 1 root root 39145 2013-04-11 23:32 7.jpg
-rw-r--r-- 1 root root 1059 2013-04-11 23:32 8.jpg
