python urllib

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：

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；


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

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：

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'%20'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；
urllib.url2pathname(path)：将url路径转换成本地路径；

测试程序：

#!/usr/bin/python

import urllib
import sys

baidu = urllib.urlopen('http://www.baidu.com')
print 'http header:', baidu.info()
#print 'http status:', baidu.getcode() # getcode() will raise addinfourl instance has no attribute 'getcode' error
print 'url:', baidu.geturl()
# print baidu.read()
print urllib.quote("20 + 30 = 50")
print urllib.urlencode({'name':'zhangsan','age':20})
baidu.close()


def show_process(downloaded_blk_count, blk_size, total_size):
per=100.0*downloaded_blk_count*blk_size/total_size
if per>100:
per=100
sys.stdout.write('Downloading %.2f%%\r' % per)
sys.stdout.write('\n')
sys.stdout.write('Downloading %.2f%%\r' % per)
sys.stdout.flush()

url='http://www.sina.com'
local='sina.html'
urllib.urlretrieve(url,local,show_process)

输出：

# python urllib_test.py 
http header: Date: Mon, 09 Apr 2012 10:16:34 GMT
Server: BWS/1.0
Content-Length: 7869
Content-Type: text/html;charset=gb2312
Cache-Control: private
Expires: Mon, 09 Apr 2012 10:16:34 GMT
Set-Cookie: BAIDUID=42A8A6E6E327E023246B95F08BA98529:FG=1; expires=Mon, 09-Apr-42 10:16:34 GMT; path=/; domain=.baidu.com
P3P: CP=" OTI DSP COR IVA OUR IND COM "
Connection: Close

url: http://www.baidu.com
20%20%2B%2030%20%3D%2050
age=20&name=zhangsan
Downloading 100.00%