Python笔记（十三）：urllib模块

（一）      URL地址

URL地址组件

URL组件	说明
scheme	网络协议或下载方案
net_loc	服务器所在地（也许含有用户信息）
path	使用（/）分割的文件或CGI应用的路径
params	可选参数
query	连接符（&）分割的一系列键值对
fragment	指定文档内特定锚的部分

net_loc组件

user:password@host:port

组件	说明
user	用户名或登录
password	用户密码
host	运行web服务器的计算机名称或地址（必需）
port	端口号（如果不是默认的80）

 

（二）      urllib

    这里主要说明urllib.request和urllib.parse.

（三）      urllib.request

urllib.request

组件	说明
urlopen(url,data=None)	打开URL链接，并返回一个文件类型对象，就像open用二进制只读方式在本地打开了一个文件一样。 url:可以是url字符串，也可以是请求对象 data:url是post请求时，可以指定要传的数据
urlretrieve(url,filename=None)	下载url中的文件 filename：文件名及路径（没有指定路径则存放到当前工作目录下）

urlopen对象方法

组件	说明
read()	读取所有数据
readline()	读取一行数据
readlines()	读取所有行，作为列表返回
fileno()	返回文件句柄
close()	关闭url连接（close及上面4个方法和open的同名方法是一样的）
info()	返回MIME（多目标因特网邮件扩展）头文件。这个头文件通知浏览器返回的文件类型、以及可用哪类应用程序打开。
geturl()	返回真正的url（例如如果出现重定向，就可以从最终打开的文件中获得真正的url）
getcode()	返回HTTP状态码

 1 import  urllib.request
 2 url = 'https://tieba.baidu.com/p/5475267611'
 3 #打开url（就像用open二进制只读方式打开一个文件一样），使用read读取所有数据
 4 html = urllib.request.urlopen(url).read()
 5 print(type(html))
 6 
 7 url_file = 'https://imgsa.baidu.com/forum/w%3D580/sign=99114e38abec08fa260013af69ef3d4d/e549b13533fa828bc80c7764f61f4134960a5a85.jpg'
 8 #下载url中的文件并保存
 9 urllib.request.urlretrieve(url_file,'C:\Temp\\1.jpg')
10 
11 #返回MIEM头文件
12 html_info = urllib.request.urlopen(url).info()
13 print(html_info)

（四）      urlib.parse

urlib.parse

函数	说明
urlparse(urlstr)	将url解析为一个元组(scheme='', netloc='', path='', params='', query='', fragment='')
urlunparse(urltup)	和urlparse相反，将url组件（一个元组）拼接为完整的url
urljoin(base,url)	将base的根域名和url拼接为一个完整的url base：函数会自动截取net_loc及前面的所有内容

 1 import urllib.parse
 2 
 3 url = 'https://www.cnblogs.com/cate/python/'
 4 newurl = '/cate/ruby/'
 5 #将url解析为一个元组(scheme='', netloc='', path='', params='', query='', fragment='')
 6 urlpar = urllib.parse.urlparse(url)
 7 print('urlparse示例：',urlpar)
 8 #和urlparse刚好相反，将元组(scheme='', netloc='', path='', params='', query='', fragment='')拼接为完整的url
 9 urlunp = urllib.parse.urlunparse(urlpar)
10 print('urlunparse示例：',urlunp)
11 #将url netloc及前面部分的内容与newurl连接起来
12 url_ruby = urllib.parse.urljoin(url,newurl)
13 print('urljoin示例：',url_ruby)