Python：urllib模块的urlretrieve方法

转于：https://blog.csdn.net/fengzhizi76506/article/details/59229846

博主：fengzhizi76506

1）功能：

　urllib模块提供的urlretrieve()函数，urlretrieve()方法直接将远程数据下载到本地。

2）格式：

　import urllib.request

　urllib.request.urlretrieve(url, filename=None, reporthook=None, data=None)

• filename：指定了保存本地路径（如果参数未指定，urllib会生成一个临时文件保存数据。）
• reporthook：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时会触发该回调，我们可以利用这个回调函数来显示当前的下载进度。
• data：指post导服务器的数据，该方法返回一个包含两个元素的(filename, headers) 元组，filename 表示保存到本地的路径，header表示服务器的响应头

例：将baidu的html抓取到本地，保存在''./baidu.html"文件中，同时显示下载的进度。

#!/usr/bin/env python
# coding=utf-8
import os
import urllib.reuest

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.baidu.com'
dir=os.path.abspath('.')
work_path=os.path.join(dir,'baidu.html')
urllib.request.urlretrieve(url,work_path,cbk)  

#!/usr/bin/env python
# coding=utf-8
import os
import urllib.request

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.baidu.com'
dir=os.path.abspath('.')
work_path=os.path.join(dir,'baidu.html')
urllib.request.urlretrieve(url,work_path,cbk)  

#!/usr/bin/env python
# coding=utf-8
import os
import urllib.request

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.python.org/ftp/python/2.7.5/Python-2.7.5.tar.bz2'
dir=os.path.abspath('.')
work_path=os.path.join(dir,'Python-2.7.5.tar.bz2')
urllib.request.urlretrieve(url,work_path,cbk)  

　3）urlopen()可以轻松获取远端html页面信息，然后通过Python正则对所需要的数据进行分析，匹配出想要用的数据，再利用urlretrieve()将数据下载到本地。

　　A、对于访问受限或者对连接数有限制的远程url地址，可以采用proxies（代理IP）连接；

　　B、如果远程连接数据量过大，单线程下载太慢的话可以采用多线程下载；

　　这个就是传说中的爬虫