python urllib模塊

        在python中urllib模塊提供上層接口,能夠使用它下載讀取數據,這裏舉個例子,把sina首頁的html抓取下來顯示出來.有2種方法能夠實現. html

1.urlopen(url, data=None, proxies=None)
    urlopen(url [, data]) -> open file-like object python

   建立一個表示遠程url的類文件對象,而後像本地文件同樣操做這個類文件對象來獲取遠程數據。參數url表示遠程數據的路徑,通常是網址;參數data表示以post方式提交到url的數據;參數proxies用於設置代理.urlopen返回一個類文件對象. shell

#!/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 
<!Doctype html>
<!--[30,131,1] published at 2013-04-11 23:15:33 from #150 by system-->
<html>
<head>
    <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) 小程序

  urlretrieve方法直接將遠程數據下載到本地。參數filename指定了保存到本地的路徑(若是未指定該參數,urllib會生成一個臨時文件來保存數據);參數reporthook是一個回調函數,當鏈接上服務器.以及相應的數據塊傳輸完畢的時候會觸發該回調. 服務器

#!/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 
<!Doctype html>
<!--[30,131,1] published at 2013-04-11 23:25:30 from #150 by system-->
<html>
<head>
    <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" />
....


不只如此,這裏寫個爬蟲小程序,能夠把百度貼吧http://tieba.baidu.com/p/2236567282網頁上的jpg圖片依次下載下來. 函數

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
-rw-r--r-- 1 root root  44797 2013-04-11 23:32 9.jpg
相關文章
相關標籤/搜索