【py网页】urlopen的补充，完美

urllib 是 python 自带的一个抓取网页信息一个接口，他最主要的方法是 urlopen()，是基于 python 的 open() 方法的。下面是主要说明：

1	urllib.urlopen('网址')

• 这里传入urlopen()的参数有特别说要求，要遵循一些网络协议，比如http,ftp,也就是说，在网址的开头必须要有http://这样的说明，如：urllib.urlopen('http://www.baidu.com')。
• 要么就是本地文件，本地文件需要使用file关键字，比如 urllib.urlopen('file:nowamagic.py')，注意，这里的hello.py是指的是当前的classpath所指定的内容，如果对hello.py这里有什么疑问那一定是python寻找classpath的顺序不是很清楚了，当然也可以直接写全部路径，urllib.urlopen('file:F:\pythontest\nowamagic.py')。
• 打开 ftp 文件也是可以的，写法 urllib.urlopen(url='ftp://用户名:密码@ftp地址/') 等。

示例程序：

1	import urllib

2	f = urllib.urlopen('file:F:\pythontest\nowamagic.py')

3	a = f.read()

4

print a

如果传入的参数正确，比如该网站可以访问，没有特殊情况（比如需要代理，被墙等），那么将返回一个类似于文件对象的对象。即上面代码中的f，f对象有的方法一些操作方法，使用dir(f)：

1	['__doc__', '__init__', '__iter__', '__module__', '__repr__', 'close','fileno', 'fp', 'geturl', 'headers', 'info', 'next', 'read', 'readline','readlines', 'url']

使用read()方法会将所有内容读取出来，并且同时f对象类似于先入先出的数据，在使用f.read()将得不到任何数据，也就是说，得到的数据在这个时候如果想在后面进行任何处理操作的话，需要另外定义一个对象来进行存储。如上例中的a。而info(),geturl()方法，也是基于f这个文档对象的，所以，使用

1	>>>f.geturl()

2	'F://pythontest//nowamagic.py'

接下来是urllib的代理设置：

1	import urllib

2	proxies = {'http':'http://***.***.***.***:1984'}

3	filehandle = urllib.urlopen('http://www.需要代理才能访问的网站.com/',proxies= proxies)

4	a = filehandle.read()

5

print a

以上是最基本代理，即代理访问到该网站，并且能够获得该网站的内容。但是如果遇到需要登录，或者需要cookie等的网站呢？

查看urllib的源码：

01	def urlopen(url, data=None, proxies=None):

02	"""urlopen(url [, data]) -> open file-like object"""

03	global _urlopener

04	if proxies is not None:

05	opener = FancyURLopener(proxies=proxies)

06	elif not _urlopener:

07	opener = FancyURLopener()

08	_urlopener = opener

09

else:

10	opener = _urlopener

11	if data is None:

12	return opener.open(url)

13

else:

14	return opener.open(url, data)

由上面urllib的urlopen的源码，可以看出，还可以传入一个data参数，data参数也应该是一个字典，因为在使用浏览器向服务器发送数据的时候，我们发送的就是字典类型的数据。

还有一点，就是代理支持是 python 2.3 以后加入的