大家好,本文将围绕python登录网站自动下载文件展开说明,python自动下载网页中的文件是一个很多人都想弄明白的事情,想搞清楚python网页点击下载按钮需要先了解以下几个事情。
今天我们一起学习如何使用不同的Python模块从web下载文件。此外,你将下载常规文件、web页面、Amazon S3和其他资源python编程代码大全。
最后,你将学习如何克服可能遇到的各种挑战,例如下载重定向的文件、下载大型文件、完成一个多线程下载以及其他策略。
1、使用requests
你可以使用requests模块从一个URL下载文件。
考虑以下代码:
![da27e00fdb495a49ea73c44514a7764a.jpeg](https://i-blog.csdnimg.cn/blog_migrate/36dae1495368912dd7cf1d1c4a41e60d.jpeg)
你只需使用requests模块的get方法获取URL,并将结果存储到一个名为“myfile”的变量中。然后,将这个变量的内容写入文件。
2、使用wget
![d8a13c66d17706b1a6575ce0f7beadc3.jpeg](https://i-blog.csdnimg.cn/blog_migrate/9df1cc5e4c24176b627476de193d6072.jpeg)
你还可以使用Python的wget模块从一个URL下载文件。你可以使用pip按以下命令安装wget模块:
考虑以下代码,我们将使用它下载Python的logo图像。
![decb61b7b01e04696a946aeef8abbfc1.jpeg](https://i-blog.csdnimg.cn/blog_migrate/aecfce6631b6c98e65effb1d43d67340.jpeg)
在这段代码中,URL和路径(图像将存储在其中)被传递给wget模块的download方法。
3、下载重定向的文件
在本节中,你将学习如何使用requests从一个URL下载文件,该URL会被重定向到另一个带有一个.pdf文件的URL。该URL看起来如下:
![d23d2cb0438d03bcab43b760d65ebdfa.jpeg](https://i-blog.csdnimg.cn/blog_migrate/0995cd0f7a8e567137ae555f7a5c2ba9.jpeg)
要下载这个pdf文件,请使用以下代码:
![7d815b54ad4b0fa35320522e0d67acee.jpeg](https://i-blog.csdnimg.cn/blog_migrate/8bc630a6c589fb90786c528d4b6e78cd.jpeg)
在这段代码中,我们第一步指定的是URL。然后,我们使用request模块的get方法来获取该URL。在get方法中,我们将allow_redirects设置为True,这将允许URL中的重定向,并且重定向后的内容将被分配给变量myfile。
最后,我们打开一个文件来写入获取的内容。
4、分块下载大文件
考虑下面的代码:
![9a40b20fa7be145880a19dff119bda5b.jpeg](https://i-blog.csdnimg.cn/blog_migrate/f7ca30870431c4982350f30773ef8f15.jpeg)
首先,我们像以前一样使用requests模块的get方法,但是这一次,我们将把stream属性设置为True。
接着,我们在当前工作目录中创建一个名为PythonBook.pdf的文件,并打开它进行写入。
然后,我们指定每次要下载的块大小。我们已经将其设置为1024字节,接着遍历每个块,并在文件中写入这些块,直到块结束。
不漂亮吗?不要担心,稍后我们将显示一个下载过程的进度条。
5、下载多个文件(并行/批量下载)
要同时下载多个文件,请导入以下模块:
![3f27f2399cf755893973d1a5683e786f.jpeg](https://i-blog.csdnimg.cn/blog_migrate/b2fdfd7b5cb468f6d7d918739b6ec85f.jpeg)
我们导入了os和time模块来检查下载文件需要多少时间。ThreadPool模块允许你使用池运行多个线程或进程。
让我们创建一个简单的函数,将响应分块发送到一个文件:
![b46b1b4a3bcf8f0e45ae47f3db324237.jpeg](https://i-blog.csdnimg.cn/blog_migrate/93bdcd3f0cac208b36b8e1b653e268c1.jpeg)
这个URL是一个二维数组,它指定了你要下载的页面的路径和URL。
![a594596b8e8d0948d4d7ad5fb215b55a.jpeg](https://i-blog.csdnimg.cn/blog_migrate/c7719d7e0069d2631b149a75d991e07b.jpeg)
就像在前一节中所做的那样,我们将这个URL传递给requests.get。最后,我们打开文件(URL中指定的路径)并写入页面内容。
现在,我们可以分别为每个URL调用这个函数,我们也可以同时为所有URL调用这个函数。让我们在for循环中分别为每个URL调用这个函数,注意计时器:
![e78e35681730181d1da5bd1ae8b6361f.jpeg](https://i-blog.csdnimg.cn/blog_migrate/799a56461e5032bd9b774ed20bf86b50.jpeg)
现在,使用以下代码行替换for循环:
![3e48b2fa3151711f4b4feb96b8855b08.jpeg](https://i-blog.csdnimg.cn/blog_migrate/0941e3af99ca0d34b8bdc3b15bc08bbb.jpeg)
运行该脚本。
6、使用进度条进行下载
进度条是clint模块的一个UI组件。输入以下命令来安装clint模块:
![6a032d02d06c9c498284add193189c99.jpeg](https://i-blog.csdnimg.cn/blog_migrate/fb8f1bb23526b5f4987164c2c1b518d0.jpeg)
考虑以下代码:
![0e891d7d655284f13237877f8bf6420d.jpeg](https://i-blog.csdnimg.cn/blog_migrate/64ebf6ceb6381d2c1e03a610265d9e76.jpeg)
在这段代码中,我们首先导入了requests模块,然后,我们从clint.textui导入了进度组件。唯一的区别是在for循环中。在将内容写入文件时,我们使用了进度条模块的bar方法。
7、使用urllib下载网页
在本节中,我们将使用urllib下载一个网页。
urllib库是Python的标准库,因此你不需要安装它。
以下代码行可以轻松地下载一个网页:
![96ca70c914a7c1d8164fa47d19b3eb99.jpeg](https://i-blog.csdnimg.cn/blog_migrate/03edc86d014ac1d63849b6e76e1beb66.jpeg)
在这里指定你想将文件保存为什么以及你想将它存储在哪里的URL。
![a55ee3c4c12437ca8318324add842600.jpeg](https://i-blog.csdnimg.cn/blog_migrate/6b29504db5502b3f57bb948d9ed4b031.jpeg)
在这段代码中,我们使用了urlretrieve方法并传递了文件的URL,以及保存文件的路径。文件扩展名将是.html。
8、通过代理下载
如果你需要使用代理下载你的文件,你可以使用urllib模块的ProxyHandler。请看以下代码:
![c5203a1f0908ee3764ad7f0da501bee3.jpeg](https://i-blog.csdnimg.cn/blog_migrate/8220d6a1d96707cecaf621c247e0b57a.jpeg)
在这段代码中,我们创建了代理对象,并通过调用urllib的build_opener方法来打开该代理,并传入该代理对象。然后,我们创建请求来获取页面。
此外,你还可以按照官方文档的介绍来使用requests模块:
![b8b9fb92088cc20aa4077f2205c1f246.jpeg](https://i-blog.csdnimg.cn/blog_migrate/1e203ae4cfb7705c9d6040757eabf1c0.jpeg)
你只需要导入requests模块并创建你的代理对象。然后,你就可以获取文件了。
9、使用urllib3
urllib3是urllib模块的改进版本。你可以使用pip下载并安装它:
![109aede99d8b1482b202f36dc796cfa5.jpeg](https://i-blog.csdnimg.cn/blog_migrate/9a3de90283697a34d61117d93488fbf8.jpeg)
我们将通过使用urllib3来获取一个网页并将它存储在一个文本文件中。
导入以下模块:
![86d8a14ef0409f4455b44947c91bce55.jpeg](https://i-blog.csdnimg.cn/blog_migrate/4ec829c7950597e9bbd633dab404d5fb.jpeg)
在处理文件时,我们使用了shutil模块。
现在,我们像这样来初始化URL字符串变量:
![1cd7d9cc424f99433371355c2f2587aa.jpeg](https://i-blog.csdnimg.cn/blog_migrate/18bf8fe203c19f1da514b649569769fd.jpeg)
然后,我们使用了urllib3的PoolManager ,它会跟踪必要的连接池。
![8c35dd838aa6ee104dd784de7b188834.jpeg](https://i-blog.csdnimg.cn/blog_migrate/020437336d6fcf8421ec0d57a37f0008.jpeg)
创建一个文件:
![9c12dfef91a72b9317091f65f2c0fb37.jpeg](https://i-blog.csdnimg.cn/blog_migrate/c773205f3c31544c0ca8495b14b6629d.jpeg)
最后,我们发送一个GET请求来获取该URL并打开一个文件,接着将响应写入该文件:
![79dc77ba6599b2f5dfc03b70fd522907.jpeg](https://i-blog.csdnimg.cn/blog_migrate/8b883ce525be037c7ee7cf56f01042bd.jpeg)
10、使用Boto3从S3下载文件
要从Amazon S3下载文件,你可以使用Python boto3模块。
在开始之前,你需要使用pip安装awscli模块:
![b79addad523aa788447bb27fe35d8b21.jpeg](https://i-blog.csdnimg.cn/blog_migrate/559e9c639c5e2ac6eb63b661d7095fa5.jpeg)
对于AWS配置,请运行以下命令:
![2db6b7ab686efa5ca534ccec94603565.jpeg](https://i-blog.csdnimg.cn/blog_migrate/c15de451514ed5d6410900b360074312.jpeg)
现在,按以下命令输入你的详细信息:
![6bc305aaad33bb4006c5dee592f49074.jpeg](https://i-blog.csdnimg.cn/blog_migrate/3037de65a7e4a44759a2d634c3a649a7.jpeg)
要从Amazon S3下载文件,你需要导入boto3和botocore。Boto3是一个Amazon SDK,它允许Python访问Amazon web服务(如S3)。Botocore提供了与Amazon web服务进行交互的命令行服务。
Botocore自带了awscli。要安装boto3,请运行以下命令:
![c3fe2ac6da07f5a7fe01953bd97578a6.jpeg](https://i-blog.csdnimg.cn/blog_migrate/840752d76776fb7fddeb43fc44caaa21.jpeg)
现在,导入这两个模块:
![6b863fec8c5b387ec8f6a34b571ca118.jpeg](https://i-blog.csdnimg.cn/blog_migrate/10d59b160b24eec940eccbd9be829d1f.jpeg)
在从Amazon下载文件时,我们需要三个参数:
-
Bucket名称
-
你需要下载的文件名称
-
文件下载之后的名称
初始化变量:
![a7c19b577f0aa9befd75350ac864e371.jpeg](https://i-blog.csdnimg.cn/blog_migrate/5a3855b12f4cce8abf1d21649fd61d7f.jpeg)
现在,我们初始化一个变量来使用会话的资源。为此,我们将调用boto3的resource()方法并传入服务,即s3:
![4c41d6084911e66fff0fe606b2b29ebf.jpeg](https://i-blog.csdnimg.cn/blog_migrate/1f722a2f0a6b165c26eedec3d40b9ed7.jpeg)
最后,使用download_file方法下载文件并传入变量:
![69ddfc0e27affcd5edfe595f68c62c8e.jpeg](https://i-blog.csdnimg.cn/blog_migrate/ab87beca5edfdf115950b02ad013f64f.jpeg)
11、使用asyncio
asyncio模块主要用于处理系统事件。它围绕一个事件循环进行工作,该事件循环会等待事件发生,然后对该事件作出反应。这个反应可以是调用另一个函数。这个过程称为事件处理。asyncio模块使用协同程序进行事件处理。
要使用asyncio事件处理和协同功能,我们将导入asyncio模块:
![416acf861dd9f0c5f8480ed00327834d.jpeg](https://i-blog.csdnimg.cn/blog_migrate/b71741734041774d88ef58e030a82da3.jpeg)
现在,像这样定义asyncio协同方法:
![440564e407799c6327deff810ee3f19e.jpeg](https://i-blog.csdnimg.cn/blog_migrate/b4ba4fa2734cd2d5e4198a0750ef14bb.jpeg)
关键字async表示这是一个原生asyncio协同程序。在协同程序的内部,我们有一个await关键字,它会返回一个特定的值。我们也可以使用return关键字。
现在,让我们使用协同创建一段代码来从网站下载一个文件:
![7c1fa3a12ef98332b7aeea53e6028cbc.jpeg](https://i-blog.csdnimg.cn/blog_migrate/c5dcf45f0edb2d9044cbd290a7ce9e69.jpeg)
在这段代码中,我们创建了一个异步协同函数,它会下载我们的文件并返回一条消息。
然后,我们使用另一个异步协同程序调用main_func,它会等待URL并将所有URL组成一个队列。asyncio的wait函数会等待协同程序完成。
现在,为了启动协同程序,我们必须使用asyncio的get_event_loop()方法将协同程序放入事件循环中,最后,我们使用asyncio的run_until_complete()方法执行该事件循环。
希望大家遇到下载需求时可以有所参考!
原文链接:http://dwz.date/cQjK
NO.1
往期推荐
Historical articles
厉害了,用Python在Excel表格当中绘制可视化大屏!!
分享、收藏、点赞、在看安排一下?