Python urllib和urllib2模块学习(二)

一、urllib其它函数

前面介绍了 urllib 模块，以及它常用的 urlopen() 和 urlretrieve()函数的使用介绍。当然 urllib 还有一些其它很有用的辅助方法，比如对 url 进行编码、解码等等。

辅助方法：

1. 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；

2. urllib.urlencode(query[,doseq]): 将dict或都包含两个元素的元组列表转换成url参数。

　例如：

　　>>> dict1 = {'name':'baidu','Local':'CD'}

　　>>> data = urllib.urlencode(dict1)

　　>>> print data
　　Local=CD&name=baidu

 

3. urllib.pathname2url(path): 将本地path转换成url路径

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

二、urllib与urllib2的区别：

　　urllib 和 urllib2 都是接受URL请求的相关模块，但是提供了不同的功能。两个最显著的不同如下：

• urllib2可以接受一个Request类的实例来设置URL请求的headers，urllib仅可以接受URL。这意味着，你不可以伪装你的User Agent字符串等。
• urllib提供urlencode方法用来GET查询字符串的产生，而urllib2没有。这是为何urllib常和urllib2一起使用的原因。

三、urllib2常用函数：

　　1.urllib2.urlopen()方法

　　即可以接受一个字符串型的 url 地址或者一个 Request 对象。将打开这个 url 并返回结果为一个像文件对象一样的对象.

　　urlopen()是最简单的请求方式，它打开url并返回类文件对象，并且使用该对象可以读取返回的内容。参数url可以是包含url的字符串，也可以是urllib2.request类的实例。data是经过编码的post数据（一般使用urllib.urlencode()来编码）。timeout是可选的超时期（以秒为单位），供所有阻塞操作内部使用。

　　常用方法：

　　1. read(),readline(),readlines():　　以字节字符串形式读取（nbytes个数据、单行、返回一个列表）

　　2.getcode():　　返回整数形式的HTTP响应代码，比如成功返回200,未找到文件时返回404

　　3.info()　　:　　返回映射对象，该对象带有与url关联的信息，对HTTP来说，返回的服务器响应包含HTTP包头。

　　2. urllib2.Request()方法

　　语法：Request (url [data,headers [,origin_req_host ,[unverifiable]]]])

　　对于比较简单的请求，urlopen()的参数url就是一个代表url的但如果需要执行更复杂的操作，如修改HTTP报头，可以创建Request实例并将其作为url参数。

　　新建Request实例。url为url字符串，data是伴随url提交的数据（比如要post的数据）。不过要注意，提供data参数时，它会将HTTP请求从'GET'改为‘POST’。headers是一个字典，包含了可表示HTTP报头的键值映射（即要提交的header中包含的内容）。originreqhost通常是发出请求的主机的名称，如果请求的是无法验证的url（通常是指不是用户直接输入的url，比如加载图像的页面中镶入的url），则后一个参数unverifiable设为TRUE。

　　

　　假设Request实例r，其比较重要的方法有下面几个：

• r.add_data(data) 向请求添加数据。如果请求是HTTP请求，则方法改为‘POST’。data是向指定url提交的数据，要注意该方法不会将data追教导之前已经设置的任何数据上，而是使用现在的data替换之前的。
• r.add_header(key, val) 向请求添加header信息，key是报头名，val是报头值，两个参数都是字符串。
• r.addunredirectedheader(key, val) 作用基本同上，但不会添加到重定向请求中。
• r.set_proxy(host, type) 准备请求到服务器。使用host替换原来的主机，使用type替换原来的请求类型。