今天玩的代码是“翻墙”访问外网
python大大的图
我的图
这个程序是说我们抓取了外部的网址"http://feeds.bbci.co.uk/news/scotland/rss.xml"把它下载到本地文件"/tmp/news.html"中。我们再读取"/tmp/news.html"这个文件。而我们最终打印出来的内容是把"".join(f.readlines())按照某种规则替换后的字符串，即为按行读取"/tmp/news.html"里的内容，换行后去掉了一些网页html符号，留下了适合我们人看的网址。我特意搜了一下这个网址，是一则2017年7月11日苏格兰的新闻，说的是最坏的人可以改变。
今天的精华部分就是urllib模块提供的urlretrieve()函数。urlretrieve()可以直接将远程数据下载到本地。它的标准格式为：
urlretrieve(url,filename,reporthook,data)
参数url表示远程数据的路径，一般是网址，可以是外部的也可以是本地的。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时会触发该回调，我们可以利用这个回调函数来显示当前的下载进度。 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(filename, headers)元组，filename 表示保存到本地的路径，header 表示服务器的响应头。
re.sub()里的re是regular expression的缩写，表示正则表达式，sub是substitute的缩写，表示替换。所以re.sub就是对于输入的一个字符串，利用正则表达式（的强大的字符串处理功能），去实现（相对复杂的）字符串替换处理，然后返回被替换后的字符串。
大大补充说，其实这用re是过滤网页html符号，只显示我们关注的文字
re.sub原型为re.sub(pattern,repl,string,count)
pattern是正则中的模式字符串。repl是replacement，指替换后的字符串。string是原字符串。count是替换个数，默认为0，表示每个匹配项都替换。
为了弄明白<.*?>究竟是怎样一种替换，我把' '改成了'+'，+代表了被替换的部位。而<.*?>所写的也就是这些位置。
join用于将序列中的元素以指定的字符连接生成一个新的字符串。join的语法为：
str.join(sequence)
参数sequence为要连接的元素序列。
"".join(f.readlines())是说把f.readlines里面的内容以join之前两个双引号里面的连接方式连接起来，两个双引号里面什么也没有，这里可能就是换行。如果我们把"".join(f.readlines())改成"＝".join(f.readlines())，就可以看到join连接的其实是行与行之间的内容，其实也不难理解，因为readlines()是一次读取所有内容并按行返回list嘛。
其实想要看清楚打印出来的究竟是什么，我们不妨通过改变最后一句一步一步的来看看变化
