urllib模塊提供的上層接口，使我們可以像讀取本地文件一樣讀取www和ftp上的數(shù)據(jù)。每當(dāng)使用這個模塊的時候，老是會想起公司產(chǎn)品的客戶端，同事用C++下載Web上的圖片，那種“痛苦”的表情。我以前翻譯過libcurl教程，這是在C/C++環(huán)境下比較方便實用的網(wǎng)絡(luò)操作庫，相比起 libcurl，Python的urllib模塊的使用門檻則低多了。可能有些人又會用效率來批評Python，其實在操作網(wǎng)絡(luò)，或者在集群交互的時候， 語言的執(zhí)行效率絕不是瓶頸。這種情況下，一個比較好的方法是，將python嵌入到C/C++中，讓Python來完成一些不是核心的邏輯處理。又扯遠(yuǎn)了，廢話少說，開始urllib之旅吧~~ （前幾天我用這個模塊寫了個蜘蛛，感興趣的同學(xué)可以在以前的博客中找到代碼）
    先看一個例子，這個例子把Google首頁的html抓取下來并顯示在控制臺上：
view plaincopy to clipboardprint?

   1. # 別驚訝，整個程序確實只用了兩行代碼  
   2. import urllib  
   3. print urllib.urlopen('http://www.google.com').read()  

# 別驚訝，整個程序確實只用了兩行代碼
import urllib
print urllib.urlopen('http://www.google.com').read()

urllib.urlopen(url[, data[, proxies]]) :

    創(chuàng)建一個表示遠(yuǎn)程url的類文件對象，然后像本地文件一樣操作這個類文件對象來獲取遠(yuǎn)程數(shù)據(jù)。參數(shù)url表示遠(yuǎn)程數(shù)據(jù)的路徑，一般是網(wǎng)址；參數(shù)data表示以post方式提交到url的數(shù)據(jù)(玩過web的人應(yīng)該知道提交數(shù)據(jù)的兩種方式：post與get。如果你不清楚，也不必太在意，一般情況下很少用到這個參數(shù))；參數(shù)proxies用于設(shè)置代理（這里不詳細(xì)講怎么使用代理，感興趣的看客可以去翻閱Python手冊urllib模塊）。urlopen返回 一個類文件對象，他提供了如下方法：

    *     read() , readline() , readlines() , fileno() , close() ：這些方法的使用方式與文件對象完全一樣;
    *     info()：返回一個httplib.HTTPMessage 對象，表示遠(yuǎn)程服務(wù)器返回的頭信息；
    *     getcode()：返回Http狀態(tài)碼。如果是http請求，200表示請求成功完成;404表示網(wǎng)址未找到；
    *     geturl()：返回請求的url；

    下面來擴充一下上面的例子，看官可以運行一下這個例子，加深對urllib的印象：
view plaincopy to clipboardprint?

   1. google = urllib.urlopen('http://www.google.com')  
   2. print 'http header:\n', google.info()  
   3. print 'http status:', google.getcode()  
   4. print 'url:', google.geturl()  
   5. for line in google: # 就像在操作本地文件  
   6.     print line,  
   7. google.close()  

google = urllib.urlopen('http://www.google.com')
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方法直接將遠(yuǎn)程數(shù)據(jù)下載到本地。參數(shù)filename指定了保存到本地的路徑（如果未指定該參數(shù)，urllib會生成一個臨時文件來保存數(shù)據(jù)）；參數(shù)reporthook是一個回調(diào)函數(shù)，當(dāng)連接上服務(wù)器、以及相應(yīng)的數(shù)據(jù)塊傳輸完畢的時候會觸發(fā)該回調(diào)。我們可以利用這個回調(diào)函 數(shù)來顯示當(dāng)前的下載進(jìn)度，下面的例子會展示。參數(shù)data指post到服務(wù)器的數(shù)據(jù)。該方法返回一個包含兩個元素的元組(filename, headers)，filename表示保存到本地的路徑，header表示服務(wù)器的響應(yīng)頭。下面通過例子來演示一下這個方法的使用，這個例子將新浪首頁的html抓取到本地，保存在D:\sina.html文件中，同時顯示下載的進(jìn)度。
view plaincopy to clipboardprint?

   1. def cbk(a, b, c):  
   2.     '''''回調(diào)函數(shù) 
   3.     @a: 已經(jīng)下載的數(shù)據(jù)塊 
   4.     @b: 數(shù)據(jù)塊的大小 
   5.     @c: 遠(yuǎn)程文件的大小 
   6.     '''  
   7.     per = 100.0 * a * b / c  
   8.     if per > 100:  
   9.         per = 100  
  10.     print '%.2f%%' % per  
  11.   
  12. url = 'http://www.sina.com.cn'  
  13. local = 'd:\\sina.html'  
  14. urllib.urlretrieve(url, local, cbk)  

def cbk(a, b, c):
    '''回調(diào)函數(shù)
    @a: 已經(jīng)下載的數(shù)據(jù)塊
    @b: 數(shù)據(jù)塊的大小
    @c: 遠(yuǎn)程文件的大小
    '''
    per = 100.0 * a * b / c
    if per > 100:
        per = 100
    print '%.2f%%' % per

url = 'http://www.sina.com.cn'
local = 'd:\\sina.html'
urllib.urlretrieve(url, local, cbk)

    上面介紹的兩個方法是urllib中最常用的方法，這些方法在獲取遠(yuǎn)程數(shù)據(jù)的時候，內(nèi)部會使用URLopener或者 FancyURLOpener類。作為urllib的使用者，我們很少會用到這兩個類，這里我不想多講。如果對urllib的實現(xiàn)感興趣， 或者希望urllib支持更多的協(xié)議，可以研究這兩個類。在Python手冊中，urllib的作者還列出了這個模塊的缺陷和不足，感興趣的同學(xué)可以打開 Python手冊了解一下。

    urllib中還提供了一些輔助方法，用于對url進(jìn)行編碼、解碼。url中是不能出現(xiàn)一些特殊的符號的，有些符號有特殊的用途。我們知道以get方式提交數(shù)據(jù)的時候，會在url中添加key=value這樣的字符串，所以在value中是不允許有'='，因此要對其進(jìn)行編碼；與此同時服務(wù)器接收到這些參數(shù)的時候，要進(jìn)行解碼，還原成原始的數(shù)據(jù)。這個時候，這些輔助方法會很有用：

    * urllib.quote(string[, safe])：對字符串進(jìn)行編碼。參數(shù)safe指定了不需要編碼的字符;
    * urllib.unquote(string) ：對字符串進(jìn)行解碼；
    * urllib.quote_plus(string [ , safe ] ) ：與urllib.quote類似，但這個方法用'+'來替換' '，而quote用'%20'來代替' '
    * urllib.unquote_plus(string ) ：對字符串進(jìn)行解碼；
    * urllib.urlencode(query[, doseq])：將dict或者包含兩個元素的元組列表轉(zhuǎn)換成url參數(shù)。例如 字典{'name': 'dark-bull', 'age': 200}將被轉(zhuǎn)換為"name=dark-bull&age=200"
    * urllib.pathname2url(path)：將本地路徑轉(zhuǎn)換成url路徑；
    * urllib.url2pathname(path)：將url路徑轉(zhuǎn)換成本地路徑；

    用一個例子來體驗一下這些方法吧~~：
view plaincopy to clipboardprint?

   1. data = 'name = ~a+3'  
   2.   
   3. data1 = urllib.quote(data)  
   4. print data1 # result: name%20%3D%20%7Ea%2B3  
   5. print urllib.unquote(data1) # result: name = ~a+3  
   6.   
   7. data2 = urllib.quote_plus(data)  
   8. print data2 # result: name+%3D+%7Ea%2B3  
   9. print urllib.unquote_plus(data2)    # result: name = ~a+3  
  10.   
  11. data3 = urllib.urlencode({ 'name': 'dark-bull', 'age': 200 })  
  12. print data3 # result: age=200&name=dark-bull  
  13.   
  14. data4 = urllib.pathname2url(r'd:\a\b\c\23.php')  
  15. print data4 # result: ///D|/a/b/c/23.php  
  16. print urllib.url2pathname(data4)    # result: D:\a\b\c\23.php  

data = 'name = ~a+3'

data1 = urllib.quote(data)
print data1 # result: name%20%3D%20%7Ea%2B3
print urllib.unquote(data1) # result: name = ~a+3

data2 = urllib.quote_plus(data)
print data2 # result: name+%3D+%7Ea%2B3
print urllib.unquote_plus(data2)    # result: name = ~a+3

data3 = urllib.urlencode({ 'name': 'dark-bull', 'age': 200 })
print data3 # result: age=200&name=dark-bull

data4 = urllib.pathname2url(r'd:\a\b\c\23.php')
print data4 # result: ///D|/a/b/c/23.php
print urllib.url2pathname(data4)    # result: D:\a\b\c\23.php