¿Cómo puedo leer el contenido de una URL con Python?

Lo siguiente funciona cuando lo pego en el navegador:

http://www.somesite.com/details.pl?urn=2344

Pero cuando intento leer la URL con Python no pasa nada:

 link = 'http://www.somesite.com/details.pl?urn=2344'
 f = urllib.urlopen(link)           
 myfile = f.readline()  
 print myfile

¿Necesito codificar la URL o hay algo que no veo?

Para responder tu pregunta:

import urllib

link = "http://www.somesite.com/details.pl?urn=2344"
f = urllib.urlopen(link)
myfile = f.read()
print(myfile)

Necesitas read(), noreadline()

EDITAR (2018-06-25): Desde Python 3, el legado urllib.urlopen()fue reemplazado por urllib.request.urlopen()(consulte las notas de https://docs.python.org/3/library/urllib.request.html#urllib.request.urlopen para obtener más detalles) .

Si está usando Python 3, vea las respuestas de Martin Thoma o innm dentro de esta pregunta: https://stackoverflow.com/a/28040508/158111 (Python 2/3 compat) https://stackoverflow.com/a/45886824 / 158111 (Python 3)

O simplemente obtenga esta biblioteca aquí: http://docs.python-requests.org/en/latest/ y úsela seriamente :)

import requests

link = "http://www.somesite.com/details.pl?urn=2344"
f = requests.get(link)
print(f.text)

Para los python3usuarios, para ahorrar tiempo, use el siguiente código,

from urllib.request import urlopen

link = "https://docs.scipy.org/doc/numpy/user/basics.broadcasting.html"

f = urlopen(link)
myfile = f.read()
print(myfile)

Sé que hay diferentes hilos de error:, Name Error: urlopen is not definedpero pensé que esto podría ahorrar tiempo.

Una solución que funciona con Python 2.X y Python 3.X hace uso de la biblioteca de compatibilidad de Python 2 y 3 six:

from six.moves.urllib.request import urlopen
link = "http://www.somesite.com/details.pl?urn=2344"
response = urlopen(link)
content = response.read()
print(content)

Ninguna de estas respuestas es muy buena para Python 3 (probado en la última versión en el momento de esta publicación).

Así es como lo haces ...

import urllib.request

try:
   with urllib.request.urlopen('http://www.python.org/') as f:
      print(f.read().decode('utf-8'))
except urllib.error.URLError as e:
   print(e.reason)

Lo anterior es para contenidos que devuelven 'utf-8'. Elimine .decode ('utf-8') si desea que Python "adivine la codificación apropiada".

Documentación: https://docs.python.org/3/library/urllib.request.html#module-urllib.request

Podemos leer el contenido html del sitio web de la siguiente manera:

from urllib.request import urlopen
response = urlopen('http://google.com/')
html = response.read()
print(html)

#!/usr/bin/python
# -*- coding: utf-8 -*-
# Works on python 3 and python 2.
# when server knows where the request is coming from.

import sys

if sys.version_info[0] == 3:
    from urllib.request import urlopen
else:
    from urllib import urlopen
with urlopen('https://www.facebook.com/') as \
    url:
    data = url.read()

print data

# When the server does not know where the request is coming from.
# Works on python 3.

import urllib.request

user_agent = \
    'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.0.7) Gecko/2009021910 Firefox/3.0.7'

url = 'https://www.facebook.com/'
headers = {'User-Agent': user_agent}

request = urllib.request.Request(url, None, headers)
response = urllib.request.urlopen(request)
data = response.read()
print data

La URL debe ser una cadena:

import urllib

link = "http://www.somesite.com/details.pl?urn=2344"
f = urllib.urlopen(link)           
myfile = f.readline()  
print myfile

Use el siguiente código:

import urllib

def read_text():
      quotes = urllib.urlopen("https://s3.amazonaws.com/udacity-hosted-downloads/ud036/movie_quotes.txt")
      contents_file = quotes.read()
      print contents_file

read_text()

# retrieving data from url
# only for python 3

import urllib.request

def main():
  url = "http://docs.python.org"

# retrieving data from URL
  webUrl = urllib.request.urlopen(url)
  print("Result code: " + str(webUrl.getcode()))

# print data from URL 
  print("Returned data: -----------------")
  data = webUrl.read().decode("utf-8")
  print(data)

if __name__ == "__main__":
  main()

from urllib.request import urlopen

# if has Chinese, apply decode()
html = urlopen("https://blog.csdn.net/qq_39591494/article/details/83934260").read().decode('utf-8')
print(html)

Puede utilizar bibliotecas requestsy beautifulsouppara leer datos en un sitio web. Simplemente instale estas dos bibliotecas y escriba el siguiente código.

import requests
import bs4
help(requests)
help(bs4)

Obtendrá toda la información que necesita sobre la biblioteca.