1.获取web页面
urllib2 支持任何协议的工作---不仅仅是http，还包括FTP,Gopher。
1 import urllib2 2 req=urllib2.Request('http://www.baidu.com') #第一件事，建立urllib2.Request对象，注意http别掉了 3 fd =urllib2.urlopen(req) 4 while 1: 5 data =fd.read(50000) #限制读取的字符 6 if not len(data): 7 break 8 print data
2.urllib,urllib2,httplib的介绍
urllib模块
1）urllib.urlopen(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。
read(), readline(), readlines(), fileno(), close()：这些方法的使用方式与文件对象完全一样;
info()：返回一个httplib.HTTPMessage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。
1 #! /usr/bin/env python 2 #coding=utf-8 3 import urllib 4 content=urllib.urlopen("http://www.baidu.com") 5 print "http header:",content.info() 6 print "http status:",content.getcode() 7 print "url:",content.geturl() 8 print "content:" 9 for line in content.readlines(): 10 print line
2）urllib.urlretrieve(url[, filename[, reporthook[, data]]])：
urlretrieve方法直接将远程数据下载到本地。
参数url是要下载的url地址。
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)，filename表示保存到本地的路径， header表示服务器的响应头。
1 """下载文件，并显示下载进度""" 2 import urllib 3 4 def DownCall(count,size,total_filesize): 5 """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""" 6 per=100.0*count*size/total_filesize 7 if per>100: 8 per=100 9 print "Already download %d KB(%.2f" %(count*size/1024,per)+"%)" 10 11 url="http://rodrigob.github.io/documents/2012_cvpr_pedestrian_detection_at_100_frames_per_second.pdf" 12 localfilepath=r"E:pythonCodedownload.pdf" 13 urllib.urlretrieve(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：
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；
urllib.quote_plus(string[, safe]) ：与urllib.quote类似，但这个方法用'+'来替换' '，而quote用'%20'来代替' '
urllib.unquote_plus(string) ：对字符串进行解码；
urllib.urlencode(query[, doseq])：将dict或者包含两个元素的元组列表转换成url参数。例如 字典{'name': 'dark-bull', 'age': 200}将被转换为"name=dark-bull&age=200"
urllib.pathname2url(path)：将本地路径转换成url路径；
urllib.url2pathname(path)：将url路径转换成本地路径；
urllib2模块
使用Python访问网页主要有三种方式： urllib, urllib2, httplib
urllib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=urllib2.urlopen(url)
print res.read()
（2）加上要get或post的数据
data={"name":"hank", "passwd":"hjz"}
urllib2.urlopen(url, urllib.urlencode(data))
（3）加上http头
header={"User-Agent": "Mozilla-Firefox5.0"}
urllib2.urlopen(url, urllib.urlencode(data), header)
使用opener和handler
opener = urllib2.build_opener(handler)
urllib2.install_opener(opener)
（4）加上session
cj = cookielib.CookieJar()
cjhandler=urllib2.HTTPCookieProcessor(cj)
opener = urllib2.build_opener(cjhandler)
urllib2.install_opener(opener)
（5）加上Basic认证
password_mgr = urllib2.HTTPPasswordMgrWithDefaultRealm()
top_level_url = "http://www.163.com/"
password_mgr.add_password(None, top_level_url, username, password)
handler = urllib2.HTTPBasicAuthHandler(password_mgr)
opener = urllib2.build_opener(handler)
urllib2.install_opener(opener)
（6） 使用代理
proxy_support = urllib2.ProxyHandler({"http":"http://1.2.3.4:3128/"})
opener = urllib2.build_opener(proxy_support)
urllib2.install_opener(opener)
（7） 设置超时
socket.setdefaulttimeout(5)
Httplib模块
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。httplib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httplib获取163首页的html：
1 import httplib 2 conn = httplib.HTTPConnection("www.qq.com") 3 conn.request('get', '/') 4 print conn.getresponse().read() 5 conn.close()
下面详细介绍httplib提供的常用类型和方法。
httplib.HTTPConnection ( 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：www.csdn.net；port为端口号，默认值为80； 参数strict的 默认值为false， 表示在无法解析服务器返回的状态行时( status line) （比较典型的状态行如： HTTP/1.0 200 OK ），是否抛BadStatusLine 异常；可选参数timeout 表示超时时间。
HTTPConnection提供的方法：
HTTPConnection.request ( 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）；headers 表示请求的http 头。
HTTPConnection.getresponse ()
获取Http 响应。返回的对象是HTTPResponse 的实例。
HTTPConnection.connect ()
连接到Http 服务器。
HTTPConnection.close ()
关闭与服务器的连接。
随机附赠一张美图：嘿嘿
示例可以参考：http://www.cnblogs.com/xiaowuyi/archive/2012/05/21/2511428.html