彩世界平台-彩世界时时app-彩世界开奖app苹果下载

热门关键词: 彩世界平台,彩世界时时app,彩世界开奖app苹果下载

您的位置:彩世界平台 > 彩世界平台 > python urllib2详解及实例

python urllib2详解及实例

发布时间:2019-09-05 06:38编辑:彩世界平台浏览(192)

     urllib2是Python的一个获取URLs(Uniform Resource Locators)的组件。他以urlopen函数的形式提供了一个非常简单的接口,

    python urllib模块详解及实例
    先看一个例子,这个例子把Google首页的html抓取下来并显示在控制台上:
    import urllib 
    print urllib.urlopen(') 
    # 别惊讶,整个程序确实只用了两行代码
    import urllib
    print urllib.urlopen(')
    urllib.urlopen(url[, data[, proxies]]) :
        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(玩过web的人应该知道提交数据的两种方式:post与get。如果你不清楚,也不必太在意,一般情况下很少用到这 个参数);参数proxies用于设置代理(这里不详细讲怎么使用代理,感兴趣的看客可以去翻阅Python手册urllib模块)。urlopen返回 一个类文件对象,他提供了如下方法:

    这是具有利用不同协议获取URLs的能力,他同样提供了一个比较复杂的接口来处理一般情况,例如:基础验证,cookies,代理和其他。

        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表示请求成功完成;404表示网址未找到;
        geturl():返回请求的url;
        下面来扩充一下上面的例子,看官可以运行一下这个例子,加深对urllib的印象:

    它们通过handlers和openers的对象提供。

    google = urllib.urlopen('') 
    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() 
    google = urllib.urlopen('')
    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。我们可以利用这个回调函 数来显示当前的下载进度,下面的例子会展示。参数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。下面通过例子来演示一下这个方法的使用,这个例子将新浪首页 的html抓取到本地,保存在D:sina.html文件中,同时显示下载的进度。

     

    def cbk(a, b, c): 
        '''''回调函数
        @a: 已经下载的数据块
        @b: 数据块的大小
        @c: 远程文件的大小
        ''' 
        per = 100.0 * a * b / c 
        if per > 100: 
            per = 100 
        print '%.2f%%' % per 
     
    url = '' 
    local = 'd:\sina.html' 
    urllib.urlretrieve(url, local, cbk) 
    def cbk(a, b, c):
        '''回调函数
        @a: 已经下载的数据块
        @b: 数据块的大小
        @c: 远程文件的大小
        '''
        per = 100.0 * a * b / c
        if per > 100:
            per = 100
        print '%.2f%%' % per

     

    url = ''
    local = 'd:\sina.html'
    urllib.urlretrieve(url, local, cbk)
        上面介绍的两个方法是urllib中最常用的方法,这些方法在获取远程数据的时候,内部会使用URLopener或者 FancyURLOpener类。作为urllib的使用者,我们很少会用到这两个类,这里我不想多讲。如果对urllib的实现感兴趣, 或者希望urllib支持更多的协议,可以研究这两个类。在Python手册中,urllib的作者还列出了这个模块的缺陷和不足,感兴趣的同学可以打开 Python手册了解一下。

    urllib2支持获取不同格式的URLs(在URL的":"前定义的字串,例如:"ftp"是"ftp:python.ort/"的前缀),它们利用它们相关网络协议(例如FTP,HTTP)

        urllib中还提供了一些辅助方法,用于对url进行编码、解码。url中是不能出现一些特殊的符号的,有些符号有特殊的用途。我们知道以get方式提 交数据的时候,会在url中添加key=value这样的字符串,所以在value中是不允许有'=',因此要对其进行编码;与此同时服务器接收到这些参 数的时候,要进行解码,还原成原始的数据。这个时候,这些辅助方法会很有用:www.2cto.com

    进行获取。这篇教程关注最广泛的应用--HTTP。

    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' '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': 'dark-bull', 'age': 200}将被转换为"name=dark-bull&age=200"
    urllib.pathname2url(path):将本地路径转换成url路径;

     

    作者:lmh12506

     

    urllib模块详解及实例 先看一个例子,这个例子把Google首页的html抓取下来并显示在控制台上: import urllib print urllib.urlopen(...

    对于简单的应用,urlopen是非常容易使用的。但当你在打开HTTP的URLs时遇到错误或异常,你将需要一些超文本传输协议(HTTP)的理解。

    最权威的HTTP文档当然是RFC 2616(,

    并提供足够的HTTP细节来帮助你理解。他并不是urllib2的文档说明,而是起一个辅助作用。

     

     

    获取 URLs

    最简单的使用urllib2将如下所示

     

    [python:nogutter] 
    import urllib2 
     
    response = urllib2.urlopen('') 
     
    html = response.read()   

    urllib2的很多应用就是那么简单(记住,除了"http:",URL同样可以使用"ftp:","file:"等等来替代)。但这篇文章是教授HTTP的更复杂的应用。

     

    HTTP是基于请求和应答机制的--客户端提出请求,服务端提供应答。urllib2用一个Request对象来映射你提出的HTTP请求,在它最简单的使用形式中你将用你要请求的

    地址创建一个Request对象,通过调用urlopen并传入Request对象,将返回一个相关请求response对象,这个应答对象如同一个文件对象,所以你可以在Response中调用.read()。

     

     

    [python] 
    import urllib2 
     
    req = urllib2.Request('') 
     
    response = urllib2.urlopen(req) 
     
    the_page = response.read()   

     

    记得urllib2使用相同的接口处理所有的URL头。例如你可以像下面那样创建一个ftp请求。

     

    req = urllib2.Request('ftp://example.com/')

     

    在HTTP请求时,允许你做额外的两件事。首先是你能够发送data表单数据,其次你能够传送额外的关于数据或发送本身的信息("metadata")到服务器,此数据作为HTTP的"headers"来发送。

    接下来让我们看看这些如何发送的吧。

     

     

    Data数据

    有时候你希望发送一些数据到URL(通常URL与CGI[通用网关接口]脚本,或其他WEB应用程序挂接)。在HTTP中,这个经常使用熟知的POST请求发送。这个通常在你提交一个HTML表单时由你的浏览器来做。

    并不是所有的POSTs都来源于表单,你能够使用POST提交任意的数据到你自己的程序。一般的HTML表单,data需要编码成标准形式。然后做为data参数传到Request对象。编码工作使用urllib的函数而非

    urllib2。

     

    [python:nogutter] 
    import urllib 
     
    import urllib2 
     
      
     
    url = '' 
     
    values = {'name' : 'Michael Foord', 
     
              'location' : 'Northampton', 
     
              'language' : 'Python' } 
     
      
     
    data = urllib.urlencode(values) 
     
    req = urllib2.Request(url, data) 
     
    response = urllib2.urlopen(req) 
     
    the_page = response.read()   

     

    记住有时需要别的编码(例如从HTML上传文件--看 HTML Specification, Form Submission的详细说明)。

     

    如ugoni没有传送data参数,urllib2使用GET方式的请求。GET和POST请求的不同之处是POST请求通常有"副作用",它们会由于某种途径改变系统状态(例如提交成堆垃圾到你的门口)。

    尽管HTTP标准说的很清楚POSTs通常会产生副作用,GET请求不会产生副作用,但没有什么可以阻止GET请求产生副作用,同样POST请求也可能不产生副作用。Data同样可以通过在Get请求

    的URL本身上面编码来传送。

     

    可看如下例子

    [python:nogutter]
    >>> import urllib2 
     
    >>> import urllib 
     
    >>> data = {} 
     
    >>> data['name'] = 'Somebody Here' 
     
    >>> data['location'] = 'Northampton' 
     
    >>> data['language'] = 'Python' 
     
    >>> url_values = urllib.urlencode(data) 
     
    >>> print url_values 
     
    name=Somebody+Here&language=Python&location=Northampton 
     
    >>> url = '' 
     
    >>> full_url = url + '?' + url_values 
     
    >>> data = urllib2.open(full_url)   

     

    Headers

    我们将在这里讨论特定的HTTP头,来说明怎样添加headers到你的HTTP请求。

     

    有一些站点不喜欢被程序(非人为访问)访问,或者发送不同版本的内容到不同的浏览器。默认的urllib2把自己作为“Python-urllib/x.y”(x和y是Python主版本和次版本号,例如Python-urllib/2.5),

    这个身份可能会让站点迷惑,或者干脆不工作。浏览器确认自己身份是通过User-Agent头,当你创建了一个请求对象,你可以给他一个包含头数据的字典。下面的例子发送跟上面一样的内容,但把自身

    模拟成Internet Explorer。

     

    [python:nogutter] 
    import urllib 
     
    import urllib2 
     
      
     
    url = '' 
     
    user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' 
     
    values = {'name' : 'Michael Foord', 
     
              'location' : 'Northampton', 
     
              'language' : 'Python' } 
     
    headers = { 'User-Agent' : user_agent } 
     
      
     
    data = urllib.urlencode(values) 
     
    req = urllib2.Request(url, data, headers) 
     
    response = urllib2.urlopen(req) 
     
    the_page = response.read()   

     

    response应答对象同样有两个很有用的方法。看下面的节info and geturl,我们将看到当发生错误时会发生什么。

     

     

    Handle Exceptions处理异常

    当urlopen不能够处理一个response时,产生urlError(不过通常的Python APIs异常如ValueError,TypeError等也会同时产生)。

     

    HTTPError是urlError的子类,通常在特定HTTP URLs中产生。

     

    URLError

    通常,URLError在没有网络连接(没有路由到特定服务器),或者服务器不存在的情况下产生。这种情况下,异常同样会带有"reason"属性,它是一个tuple,包含了一个错误号和一个错误信息。

     

    例如

     

    [python:nogutter] 
    >>> req = urllib2.Request('') 
     
    >>> try: urllib2.urlopen(req) 
     
    >>> except URLError, e: 
     
    >>>    print e.reason 
     
    >>> 
     
    (4, 'getaddrinfo failed')   

     

    HTTPError

    服务器上每一个HTTP 应答对象response包含一个数字"状态码"。有时状态码指出服务器无法完成请求。默认的处理器会为你处理一部分这种应答(例如:假如response是一个"重定向",需要客户端从别的地址获取文档

    ,urllib2将为你处理)。其他不能处理的,urlopen会产生一个HTTPError。典型的错误包含"404"(页面无法找到),"403"(请求禁止),和"401"(带验证请求)。

     

    请看RFC 2616 第十节有所有的HTTP错误码

     

    HTTPError实例产生后会有一个整型'code'属性,是服务器发送的相关错误号。

     

    Error Codes错误码

    因为默认的处理器处理了重定向(300以外号码),并且100-299范围的号码指示成功,所以你只能看到400-599的错误号码。

     

    BaseHTTPServer.BaseHTTPRequestHandler.response是一个很有用的应答号码字典,显示了RFC 2616使用的所有的应答号。这里为了方便重新展示该字典。(译者略)

     

    本文由彩世界平台发布于彩世界平台,转载请注明出处:python urllib2详解及实例

    关键词:

上一篇:python完结tee命令

下一篇:没有了