python中的web常用模块

pyhton中有几个在web编程中常用的模块，进行一下小结，免得没有体系。

 

1. urllib、urllib2方法

近来比较常用，它可以向服务端发包建立链接、读取服务器端返回信息。urllib模块提供的上层接口，使我们可以像读取本地文件一样读取www和ftp上的数据

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

1 2 3 4 5 6 7 8 9 10 11 12 13 14

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 = 'http://www.sina.com.cn' 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。

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；

 

 

2.urlparse方法

urlparse模块主要是把url拆分为6部分，并返回元组。并且可以把拆分后的部分再组成一个url。主要有函数有urljoin、urlsplit、urlunsplit、urlparse等。 

urlparse.urlparse(urlstring[, scheme[, allow_fragments]])

应用举例：

 　　http://my.oschina.net/guol/blog/95699

 

3.httplib方法

httplib是一个相对底层的http请求模块，其上有专门的包装模块，如urllib内建模块，goto等第三方模块，但是封装的越高就越不灵活，比 如urllib模块里请求错误时就不会返回结果页的内容，只有头信息，对于某些需要检测错误请求返回值的场景就不适用，所以就得用这个模块了。

应用举例：

　　http://blog.csdn.net/five3/article/details/7078951