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)