python网络编程学习笔记Web客户端访问

1、最简单的爬虫网络爬虫是一个自动提取网页的程序，它为搜索引擎从万维网上下载网页，是搜索引擎的重要组成。 python的 urlliburllib2等模块很容易实现这一功能，下面的例子实现的是对baidu首页的下载。具体代码如下：importurllib2page =( "" )print()提交表单数据(1) 用 GET 方法提交数据提交表单的GET 方法是把表单数据编码至URL 。在给出请示的页面后，加上问号，接着是表单的元素。如在百度中搜索“马伊琍 ”得到url为&pn=100&rn=20&ie=utf-8&usm=4&rsv_pa

2、ge=1。其中？后面为表单元素。wd=%E9%A9%AC%E4%BC%8A%E7%90%8D表示搜索的词是“马伊琍 ”， pn 表示从第 100 条信息所在页开始显示（感觉是这样，我试了几次，当写100时，从其所在页显示，但如果写10 ，就是从第1 页显示）， rn=20表示每页显示20 条， ie=utf-8表示编码格式， usm=4没明白是什么意思，换了 1 、2 、3 试了下，没发现什么变化， rsv_page=1表示第几页。如果要下载以上页面比较简单的方法是直接用上面的网址进行提取。如代码：importurllib2keyword=( ' 马伊琍 ' )page =(

3、"" +keyword+"&pn=100&rn=20&ie=utf-8&usm=4&rsv_page=1")print()(2) 用 post 方法提交GET 方法中，数据是被加到URL 上，这种方法数据量要求不大，如果需要交换大量数据的时间， POST 方法是一个很好的方法。这里以前段时间写的博客python 模拟 163 登陆获取邮件列表为例，具体代码不在列出，详见地址：。urllib,urllib2,httplib，mechanize 的介绍模块 ( 引自：urllib 模块提供接口可以使我们像访问本地文件一

4、样来读取www和 ftp 上的数据。模块中最重要的两个函数分别是：urlopen() 和 urlretrieve()。(url, data, proxies) :本函数创建一个表示远程url 的类文件对象， 然后像本地文件一样操作这个类文件对象来获取远程数据。 参数 url表示远程数据的路径，一般是网址；参数data 表示以 post 方式提交到 url 的数据；参数proxies 用于设置代理。 urlopen 返回 一个类文件对象，返回的类文件对象提供了如下方法：read(), readline(), readlines(), fileno(), close()：这些方法的使用方式与文件对

5、象完全一样 ;info() ：返回一个对象，表示远程服务器返回的头信息；getcode() ：返回 Http 状态码。如果是 http 请求， 200 表示请求成功完成 ;404 表示网址未找到；geturl()：返回请求的url ；#! /usr/bin/env python#coding=utf-8importurllibcontent=( "")print"http header:",()print"http status:",()print"url:",()print"content:"

6、for linein():printline(url, filename, reporthook, data)：urlretrieve方法直接将远程数据下载到本地。参数 filename指定了保存到本地的路径（如果未指定该参数，urllib会生成一个临时文件来保存数据）；参数reporthook是一个回调函数，当连接上服务器、以及相应的数据块传输完毕的时候会触发该回调（即每下载一块就调用一次回调函数）。我们可以利用这个回调函数来显示当前的下载进度，也可以用于限速，下面的例子会展示。参数data指 post到服务器的数据。该方法返回一个包含两个元素的元组 (filename, headers)，

7、 filename表示保存到本地的路径，header表示服务器的响应头。#! /usr/bin/env python# coding: utf-8"""下载文件，并显示下载进度"""importurllibdefDownCall(count,size,total_filesize):"""count为已下载数据块个数，size为数据块的大小，total_filesize为文件总大小"""per=*count*size/total_filesizeifper>100:pe

8、r=100print"Already download %d KB(%.2f"%(count*size/1024,per)+"%)"url=""localfilepath=r "C:UsersAdministratorDesktop"(url,localfilepath,DownCall)urllib 中还提供了一些辅助方法，用于对 url 进行编码、解码。 url 中是不能出现一些特殊的符号的， 有些符号有特殊的用途。 我们知道以 get 方式提交数据的时候， 会在 url 中添加 key=value 这样的字符

9、串，所以在 value 中是不允许有 '=' ，因此要对其进行编码；与此同时服务器接收到这些参数的时候，要进行解码， 还原成原始的数据。这个时候， 这些辅助方法会很有用：(string, safe)：对字符串进行编码。参数safe 指定了不需要编码的字符;(string)：对字符串进行解码；(string, safe)：与类似，但这个方法用'+' 来替换 ' ' ，而 quote用 '%20'来代替''(string)：对字符串进行解码；(query, doseq)：将 dict或者包含两个元素的元组列表转换成ur

10、l参数。例如 字典'name': 'dark-bull', 'age': 200将被转换为 "name=dark-bull&age=200"(path)：将本地路径转换成url 路径；(path)：将 url 路径转换成本地路径；urllib2模块 ( 引自：使用 Python 访问网页主要有三种方式：urllib, urllib2, httpliburllib 比较简单，功能相对也比较弱，httplib 简单强大，但好像不支持session（1 ）最简单的页面访问res=(url)print ()（ 2 ）加上要 g

11、et 或 post 的数据data="name":"hank", "passwd":"hjz"(url, (data)（ 3 ）加上 http 头header="User-Agent": ""(url, (data), header)使用 opener和 handleropener = (handler)(opener)（ 4 ）加上 sessioncj = ()cjhandler=(cj)opener = (cjhandler)(opener)（ 5 ）加上 Basic 认

12、证password_mgr = ()top_level_url = ""(None, top_level_url, username, password)handler = (password_mgr)opener = (handler)(opener)（6 ） 使用代理proxy_support = ("http":"")opener = (proxy_support)(opener)（7 ） 设置超时(5)httplib模块（引自：）httplib是python中http协议的客户端实现，可以使用该模块来与HTTP服务器进行交互。

13、 httplib获取 google的内容不是很多，也比较简单。以下是一个非常简单的例子，使用首页的 html ：httplib#coding=gbkimporthttplibconn=("")( 'get','/')print().read()()下面详细介绍httplib提供的常用类型和方法。( host , port , strict , timeout )HTTPConnection类的构造函数，表示一次与服务器之间的交互，即请求/ 响应。参数host表示服务器主机， 如：；port为端口号，默认值为80；参数strict的 默认值为f

14、alse，表示在无法解析服务器返回的状态行时( status line)OK），是否抛BadStatusLine异常；可选参数（比较典型的状态行如：timeout表示超时时间。HTTP/ 200HTTPConnection提供的方法：( method , url , body , headers )调用 request方法会向服务器发送一次请求，method表示请求的方法，常用有方法有 get和 post； url表示请求的资源的url； body表示提交到服务器的数据，必须是字符串（如果 method是 "post"，则可以把body理解为 html表单中的数据） ；he

15、aders表示请求的http头。()获取 Http响应。返回的对象是HTTPResponse的实例，关于HTTPResponse在下面会讲解。()连接到 Http服务器。()关闭与服务器的连接。( level )设置高度的级别。参数level的默认值为0 ，表示不输出任何调试信息。HTTPResponse表示服务器对客户端请求的响应。往往通过调用()来创建，它有如下方法和属性：(amt)获取响应的消息体。 如果请求的是一个普通的网页，可选参数 amt 表示从响应流中读取指定字节的数据。那么该方法返回的是页面的html。(name, default)获取响应头。 Name情况下作为默认值返回。表

16、示头域(header field)名，可选参数default在头域名不存在的()以列表的形式返回所有的头信息。获取所有的响应头信息。获取服务器所使用的http协议版本。 11 表示 http/； 10 表示 http/。获取响应的状态码。如：200 表示请求成功。返回服务器处理请求的结果说明。一般为”OK”下面通过一个例子来熟悉HTTPResponse中的方法：#coding=gbkimporthttplibconn= ("", 80, False)( 'get','/', headers = "Host" : "

17、;" ,"User-Agent": "Mozilla/(Windows;U; Windows NT ;zh-CN; rv: Gecko/ Firefox/","Accept" :"text/plain")res = ()print'version:',print'reason:',print'status:',print'msg:',print'headers:', ()#html#print 'n' + &#

18、39;-' * 50 + 'n'#print ()()Httplib模块中还定义了许多常量，如：Httplib. HTTP_PORT的值为80 ，表示默认的端口号为80 ；的值为200 ，表示请求成功返回；Httplib. NOT_FOUND的值为40 表示请求的资源不存在；可以通过查询相关变量的含义，如：Print mechanizemechanize没有找到比较完整的介绍，自己写了一个简单的例子如下。# -*- coding: cp936 -*-import time,string import mechanize,urllibfrom mechanizeimpor

19、t Browserurlname=( ' 马伊琍 ' )br =Browser()(False)#ignore theurlhttp=r''+urlname+response=(urlhttp)filename=''f =open(filename,'w')()()"&pn=10&rn=20&ie=utf-8&usm=4&rsv_page=1"1 、半开放socket利用 shutdown() 函数使 socket 单独的参数，该参数表示了如何关闭双向数据传输变为单向数据

20、传输。shutdown()socket。具体为： 0 表示禁止将来读；1需要一个表示禁止将来写；2 表示禁止将来读和写。2 、timeouts控制超时调用 socket 的 settimeout() 函数，向其传递参数， 表明超时时间设置。 当访问一个 socket ，如果经过了参数设定的时间后，什么都没有发生，则会产生一个异常。例如：当程序运行后，会等待数据传入。在另一终端，利用 telnet 连接 12345 接成功后，显示 “连接来自： * ” ，如果此时 5 秒内，终端未进行输入，系端口。连统会提示连接超时退出。代码如下：# -*- coding: cp936 -*-#tcp 响应服务

21、器importsocket,tracebackhost=''port=12345s =, , 1) (host,port) ( 1)while1 :try:clientsock,clientaddr=()exceptKeyboardInterrupt:raiseexcept:()continue(5 )try:print" 连接来自： " ,()while1 :data=(4096)ifnotlen(data):break(data)("nI get it!n")# t=raw_input('input the word:')# (t)except(KeyboardInterrupt,SystemExit):raiseexcept:print' 连接超时 'passexcept:()try:()exceptKeyboardInterrupt:r