用Python下载一个网页保存为本地的HTML文件实例

在Python编程中，有时我们需要将网页内容保存到本地以便离线查看或进一步分析。这个过程通常涉及使用HTTP请求获取网页源代码并将其写入HTML文件。在这个实例中，我们将探讨如何利用Python的`urllib.request`库来实现这一功能。 `urllib.request`是Python标准库的一部分，它提供了用于处理URL的函数和类。在这个实例中，我们主要用到`urllib.request.urlopen()`函数，它可以向指定的URL发送GET请求并返回一个响应对象。响应对象包含了网页的HTML内容，我们可以调用其`read()`方法获取这些内容。 以下是一个具体的示例代码： ```python import urllib.request def getHtml(url): html = urllib.request.urlopen(url).read() return html def saveHtml(file_name, file_content): # 避免文件名包含非法字符，如 / file_name = file_name.replace('/', '_') with open(file_name + ".html", "wb") as f: # HTML内容是字节类型，需要转码为str再写入文件 f.write(file_content) aurl = "http://www.view.sdu.edu.cn/info/1003/75240.htm" html = getHtml(aurl) saveHtml("sduview", html) print("下载成功") ``` 在这个代码中，`getHtml()`函数接收一个URL作为参数，然后通过`urllib.request.urlopen(url)`获取网页的HTML内容。`saveHtml()`函数负责将获取到的HTML内容保存到本地文件，这里我们使用了`with open()`语句确保文件在写入完成后会被正确关闭。需要注意的是，由于文件内容是字节类型，因此在写入文件时需要将其转换为字符串，这里使用了二进制模式`"wb"`。 执行这段代码后，你会在当前目录下找到一个名为`sduview.html`的文件，它包含了指定网页的HTML源码。然而，这种方法仅保存了HTML文本，不包括网页中的图像、CSS样式表和JavaScript文件等外部资源。因此，如果你打开这个本地HTML文件，可能会发现图片或其他媒体元素无法正常显示，因为它们的URL仍然是指向原始网站的。 对于需要完整保存网页及其所有资源的情况，可以考虑使用更复杂的库，如`BeautifulSoup`（用于解析HTML）和`requests`（用于HTTP请求），配合`os`库遍历并下载所有链接的资源。这样可以构建一个更全面的网页保存解决方案。 Python的`urllib.request`库提供了一个简单的方法来下载网页并保存为HTML文件，适合基础的文本内容提取。然而，如果你需要处理更复杂的网页结构或保持页面的完整性，可能需要结合其他工具和库来实现。