urllib 模块提供的 urlretrieve() 函数。urlretrieve() 方法直接将远程数据下载到本地。
1 | >>> help (urllib.urlretrieve) |
2 | Help on function urlretrieve in module urllib: |
3 |
4 | urlretrieve(url, filename = None , reporthook = None , data = None ) |
- 参数 finename 指定了保存本地路径(如果参数未指定,urllib会生成一个临时文件保存数据。)
- 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。
下面通过例子来演示一下这个方法的使用,这个例子将 sina 的 html 抓取到本地,保存在 D:/sina.html 文件中,同时显示下载的进度。
01 | import urllib |
02 | def cbk(a, b, c): |
03 | '''回调函数 |
04 | @a: 已经下载的数据块 |
05 | @b: 数据块的大小 |
06 | @c: 远程文件的大小 |
07 | ''' |
08 | per = 100.0 * a * b / c |
09 | if per > 100 : |
10 | per = 100 |
11 | print '%.2f%%' % per |
12 | |
13 | url = 'http://www.sina.com.cn/' |
14 | local = 'd://sina.html' |
15 | urllib.urlretrieve(url, local, cbk) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
下面是 urlretrieve() 下载文件实例,可以显示下载进度。
01 | #!/usr/bin/python |
02 | #encoding:utf-8 |
03 | import urllib |
04 | import os |
05 | def Schedule(a,b,c): |
06 | ''''' |
07 | a:已经下载的数据块 |
08 | b:数据块的大小 |
09 | c:远程文件的大小 |
10 | ''' |
11 | per = 100.0 * a * b / c |
12 | if per > 100 : |
13 | per = 100 |
14 | print '%.2f%%' % per |
16 | #local = url.split('/')[-1] |
17 | local = os.path.join( '/data/software' , 'Python-2.7.5.tar.bz2' ) |
18 | urllib.urlretrieve(url,local,Schedule) |
19 | ######output###### |
20 | #0.00% |
21 | #0.07% |
22 | #0.13% |
23 | #0.20% |
24 | #.... |
25 | #99.94% |
26 | #100.00% |
通过上面的练习可以知道,urlretrieve() 可以数据下载到本地。
#爬取百度贴吧某图片
- #爬取百度贴吧一些小图片
- #urllib.urlretriev---将远程数据下载到本地
- import urllib
- import urllib2
- import re
- #http://tieba.baidu.com/p/3868127254
- a = raw_input('inpt url:')
- s = urllib2.urlopen(a)
- s1 = s.read()
- def getimg(aaa):
- reg = re.compile(r'img.src="(.*?)"')
- #reg = re.compile(r'<title>')
- l = re.findall(reg, aaa)
- tmp =0
- for x in l:
- tmp += 1
- urllib.urlretrieve(x, '%s.jpg' % tmp)
- #print s1
- getimg(s1)