python beautifulsoup下载_Beautifulsoup从谷歌专利搜索下载所有.zip文件

除了使用来自urllib2的不存在的请求实体之外,您不能正确地输出到文件中—您不能只打开目录,必须分别打开每个文件进行输出。在

另外,“Requests”包的接口比urllib2好得多。我建议安装它。在

请注意,今天,第一个.zip文件是5.7Gb,因此流式传输到文件是必不可少的。在

真的,你想要更像这样的东西:from BeautifulSoup import BeautifulSoup

import requests

# point to output directory

outpath = 'D:/patent_zips/'

url = 'http://www.google.com/googlebooks/uspto-patents-grants.html'

mbyte=1024*1024

print 'Reading: ', url

html = requests.get(url).text

soup = BeautifulSoup(html)

print 'Processing: ', url

for name in soup.findAll('a', href=True):

zipurl = name['href']

if( zipurl.endswith('.zip') ):

outfname = outpath + zipurl.split('/')[-1]

r = requests.get(zipurl, stream=True)

if( r.status_code == requests.codes.ok ) :

fsize = int(r.headers['content-length'])

print 'Downloading %s (%sMb)' % ( outfname, fsize/mbyte )

with open(outfname, 'wb') as fd:

for chunk in r.iter_content(chunk_size=1024): # chuck size can be larger

if chunk: # ignore keep-alive requests

fd.write(chunk)

fd.close()

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值