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。
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:
![3a8e7a759c62ee70df65650611cabe28.jpeg](https://i-blog.csdnimg.cn/blog_migrate/ca672e7ade7b7bde57c9f8c7bd42b16f.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
![8c76660c50cc0b30b6d963cccacd4f2d.jpeg](https://i-blog.csdnimg.cn/blog_migrate/1580ef10842422ce72d587bc4f99f18f.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。
![2f28139e028abdef02fb9084ca7fe5de.jpeg](https://i-blog.csdnimg.cn/blog_migrate/a742a8ea6c6aadf97b36b5f1d72d2f8c.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:
![5cd9b0b413237d13b8c0cc6120d1a688.jpeg](https://i-blog.csdnimg.cn/blog_migrate/87a3d69bea2e5ae021d063ec8348d5a4.jpeg)
要下载这个pdf文件,请使用以下代码:
![718350c3b5813e433b6b75725c3ff0d2.jpeg](https://i-blog.csdnimg.cn/blog_migrate/f1592cf3d11246117e8e6f650de56b26.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:
![18d9480708c91e3c76600d5be32086e3.jpeg](https://i-blog.csdnimg.cn/blog_migrate/06ef815b39ea16295c9ccbb03a8c3c03.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:
![254c58ede16f1034995b8dfef42accbe.jpeg](https://i-blog.csdnimg.cn/blog_migrate/b18d7c0f9ca171495fafa88aa0d590a4.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:
![74d2d4e06fc171c7dfdfc30659e0fc72.jpeg](https://i-blog.csdnimg.cn/blog_migrate/99a83aeb2aa47aae8b106816dcc9ea26.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。
![c1be5b651602ab396768ebd99bc3d447.jpeg](https://i-blog.csdnimg.cn/blog_migrate/c89f04550afe9f1a54996ace6f0e2473.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:
![0790d109b95d53c351158a6816e69068.jpeg](https://i-blog.csdnimg.cn/blog_migrate/4ed1c8e88d0ba1cc576625417da241ea.jpeg)
现在,使用以下代码行替换for循环:
![1ff38b01a14be9489dc583dc8667183f.jpeg](https://i-blog.csdnimg.cn/blog_migrate/e817f48e9a785bb861717ac89777ba28.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:
![86ea5be395f312f5c0a041c702a82777.jpeg](https://i-blog.csdnimg.cn/blog_migrate/6bfd671205b556606c9f32c22df2c582.jpeg)
考虑以下代码:
![69c1e8afc41bcbbd66b703dcf3b967bb.jpeg](https://i-blog.csdnimg.cn/blog_migrate/8cd2c97d0fd845cc71f8b1ea7780a02b.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:
![3431df37f2212f48380326d68b57f456.jpeg](https://i-blog.csdnimg.cn/blog_migrate/4e5f23df692209973cad1129badd792b.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。
![f2414a9861278eceb8ebecf245e90014.jpeg](https://i-blog.csdnimg.cn/blog_migrate/faf9213031cc5100d5e3552bf2238311.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:
![24ce62bb2726913af9ad426b9d1b15f1.jpeg](https://i-blog.csdnimg.cn/blog_migrate/778cc22a5a6bbedf889e540543c4cdb6.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:
![cbd30bd1a221524074b20cde39664dc0.jpeg](https://i-blog.csdnimg.cn/blog_migrate/f6fd17cf80003d4d2bad8e76b11641bc.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:
![71083e4a13729dbd27b1b10af849a34b.jpeg](https://i-blog.csdnimg.cn/blog_migrate/bd8984c8068118d976e700fee5ce2454.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:
![d8c52e18b45196123f661c1e744e75c5.jpeg](https://i-blog.csdnimg.cn/blog_migrate/1a405ce57499148f88505fef2349505c.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:
![ecd5a14a635a51c6d0a2b848377f8ef5.jpeg](https://i-blog.csdnimg.cn/blog_migrate/2d41b6fc18ef2a1335b263b3744c77ac.jpeg)
然后,我们使用了urllib3的PoolManager ,它会跟踪必要的连接池。
![b8f13ce102020760a8bfe4ca8930b71d.jpeg](https://i-blog.csdnimg.cn/blog_migrate/d5efb928f01d2c272565f19d62802450.jpeg)
创建一个文件:
![d4b5fd94b75381b14f519e3dd8d63aac.jpeg](https://i-blog.csdnimg.cn/blog_migrate/4505585ca56d73d15460d96682051eca.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:
![785bca5f320b48b3b179850461f1b31b.jpeg](https://i-blog.csdnimg.cn/blog_migrate/a94c1aa89a95faef47fa086f6ab33df4.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:
![008c6b50c8949df84fcafaddb26c2f6f.jpeg](https://i-blog.csdnimg.cn/blog_migrate/e4d00871ee7037c06b726350cb1d1b24.jpeg)
对于AWS配置,请运行以下命令:
![8fffd55c15bfced584e5c7bbd4ae28bc.jpeg](https://i-blog.csdnimg.cn/blog_migrate/ecbd3d25486657dba375e3f10d836321.jpeg)
现在,按以下命令输入你的详细信息:
![f7733c5578d156e7d4ef6d96c0c6c60b.jpeg](https://i-blog.csdnimg.cn/blog_migrate/86c9bf5cdc7a11f7ef015179f90766b1.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:
![15bf8f5934b2af57a032ed1c34ea2647.jpeg](https://i-blog.csdnimg.cn/blog_migrate/cb9293cae5f8f3b117dbd809d7a01bca.jpeg)
现在,导入这两个模块:
![c9705457d8fcbb5cf027a6a6354b0e7f.jpeg](https://i-blog.csdnimg.cn/blog_migrate/d23b57720e046ac3ecaa1831e5504dbd.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:
![d3ac4535900d604104714aaf545c8821.jpeg](https://i-blog.csdnimg.cn/blog_migrate/a453049e8ae159e212b5b5f804bbe000.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:
![aa547ebae7549789884799afcd3719ba.jpeg](https://i-blog.csdnimg.cn/blog_migrate/fc05173682cd547bb0c82bed92e74a86.jpeg)
最后,使用download_file方法下载文件并传入变量:
![949a52a5163822edeb9dc45b3799a492.jpeg](https://i-blog.csdnimg.cn/blog_migrate/b7f66fc930d587a0b54c661ea8d1af5d.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:
![c7d400d201a75ca6526987a90931118a.jpeg](https://i-blog.csdnimg.cn/blog_migrate/cb98221285677a236b35d41533d5c970.jpeg)
现在,像这样定义asyncio协同方法:
![c459e5a1fad0ea54780e2f1b102aa17e.jpeg](https://i-blog.csdnimg.cn/blog_migrate/1e69059bd16667df49aa43ff1082c473.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:
![18bfd6ac166678eec52b7c675aaa5ec2.jpeg](https://i-blog.csdnimg.cn/blog_migrate/cdb6fb58f5f381f11b14930e7ed00813.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
推荐阅读:
入门: 最全的零基础学Python的问题 | 零基础学了8个月的Python | 实战项目 |学Python就是这条捷径
干货:爬取豆瓣短评,电影《后来的我们》 | 38年NBA最佳球员分析 | 从万众期待到口碑扑街!唐探3令人失望 | 笑看新倚天屠龙记 | 灯谜答题王 |用Python做个海量小姐姐素描图 |碟中谍这么火,我用机器学习做个迷你推荐系统电影
趣味:弹球游戏 | 九宫格 | 漂亮的花 | 两百行Python《天天酷跑》游戏!
AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火,我用机器学习做个迷你推荐系统电影
小工具: Pdf转Word,轻松搞定表格和水印! | 一键把html网页保存为pdf!| 再见PDF提取收费! | 用90行代码打造最强PDF转换器,word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器! |60行代码做了一个语音壁纸切换器天天看小姐姐!|
年度爆款文案
点阅读原文,看B站50个Python实战视频!