python中urllib的整理

佚名 7年前 (2018-10-11) Python 2286人围观抢沙发百度已收录

本不想使用这个玩意，奈何看到很多地方使用，随手整理下

SRE实战互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。 urllib模块提供的urlretrieve()函数，urlretrieve()方法直接将远程数据下载到本地

urlretrieve(url, filename=None, reporthook=None, data=None)。

参数filename指定了保存本地路径（如果参数未指定，urllib会生成一个临时文件保存数据。）
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时会触发该回调，我们可以利用这个回调函数来显示当前的下载进度
参数data指post导服务器的数据，该方法返回一个包含两个元素的(filename, headers) 元组，filename 表示保存到本地的路径，header表示服务器的响应头

urlopen一般常用的有三个参数： urllib.requeset.urlopen(url,data,timeout) url: 需要打开的网址 data：Post提交的数据 timeout：设置网站的访问超时时间 urlopen返回对象提供一些基本方法（快速请求) read() ：返回文本数据 readline()：返回一行 info()：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。直接用urllib.request模块的urlopen（）获取页面，req的数据格式为bytes类型，需要decode（）解码，转换成str类型

import urllib.request
import re
url = 'http://tieba.baidu.com/p/2460150866'
req=urllib.request.urlopen(url).read().decode()
r=re.findall(r'src="(.*?\.jpg)" pic_ext',req)
x=0
for i in r:
    local='F://python/'
    urllib.request.urlretrieve(i,local+ '%s.jpg' % x)
    x=x+1

浏览器的模拟（需要添加headers头信息，urlopen不支持，需要使用Request） import urllib.request url='http://www.baidu.com' header={'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.96 Safari/537.36'} request=urllib.request.Request(url,headers=header) response=urllib.request.urlopen(request).read() f=open('file1','wb') f.write(response) f.close()