1.urllib
1.urllib.urlopen打开一个http链接,返回一个文件描述符
import urllib
def gethtml(url):
s = urllib.urlopen(url)
return s.read()
if __name__ == '__main__':
print gethtml("http://www.baidu.com")
urllib.urlopen打开后返回的文件描述符有以下几种读取方式:
- s.read(100) #读多少个字节
- s.read() #读出所有字节
- s.readline() #多出来一行
- s.readlines() #读出所有行,放入一个列表
- s.getcode() #返回状态码
- s.close()把这个文件给关闭掉
不同的字符所占的字节是不同的, 不同编码中字符占用自己数不同(中文在utf-8中占用3个字节,gb2312占用2个字节)
2. HTTPMassage对象
import urllib
def gethtml(url):
s = urllib.urlopen(url)
return s.info()
if __name__ == '__main__':
msg = gethtml("http://python.usyiyi.cn/documents/django_182/index.html")
print msg
msg = s.info() //获取一个HTTPMassage的对象
- msg.getheader(Content-Type) #getheader直接获取这个头
- 下载某个页面
import urllib
if __name__ == '__main__':
filename, message = urllib.urlretrieve('http://python.usyiyi.cn/documents/django_182/index.html', 'index.html')
print filename,'\n--------------\n', message
网友评论