用python下载文件的若干种方法汇总
壓縮文件可以直接放到下載器里面下載的
you-get 連接 下載任意文件 重點
用python下載文件的若干種方法匯總
寫文章用python下載文件的若干種方法匯總
zhangqibot發表于MeteoAI訂閱427在這篇文章中:
- 1. 下載圖片
- 2. 下載重定向的文件
- 3. 分塊下載大文件
- 4. 并行下載多文件
- 5. 使用urllib獲取html頁面
- 6. python下載視頻的神器
- 7. 舉個例子
在日常科研或者工作中,我們免不了要批量從網上下載一些資料。要是手工一個個去下載,浪費時間又讓鼠標折壽,好不容易點完了發現手指都麻木了。
這種重復性的批量作業我們應該交給python小弟去幫我們搞定,這篇文章匯總了用python下載文件的若干種方法,快點學起來吧。
1. 下載圖片
import requests
url = 'https://www.python.org/static/img/python-logo@2x.png'
myfile = requests.get(url)
open('PythonImage.png', 'wb').write(myfile.content)用wget:
import wget
url = "https://www.python.org/static/img/python-logo@2x.png"
wget.download(url, 'pythonLogo.png')requests是python實現的簡單易用的HTTP庫。requests[1]標準模板:
import requests
url="******"
try:r=requests.get(url)r.raise_for_status() #如果不是200,產生異常requests.HTTPErrorr.encoding=r.apparent_encodingprint(r.text)
except:print("爬取失敗...")2. 下載重定向的文件
import requests
url = 'https://readthedocs.org/projects/python-guide/downloads/pdf/latest/'
myfile = requests.get(url, allow_redirects=True)
open('hello.pdf', 'wb').write(myfile.content)3. 分塊下載大文件
import requests
url = 'https://buildmedia.readthedocs.org/media/pdf/python-guide/latest/python-guide.pdf'
r = requests.get(url, stream = True)
with open("PythonBook.pdf", "wb") as Pypdf:for chunk in r.iter_content(chunk_size = 1024): # 1024 bytesif chunk:Pypdf.write(chunk)4. 并行下載多文件
不并行版本:
import os
import requests
from time import time
from multiprocessing.pool import ThreadPool
def url_response(url):
path, url = url
r = requests.get(url, stream=True)
with open(path, ‘wb’) as f:
for ch in r:
f.write(ch)
urls = [(“Event1”, “https://www.python.org/events/python-events/805/”),
(“Event2”, “https://www.python.org/events/python-events/801/”),
(“Event3”, “https://www.python.org/events/python-events/790/”),
(“Event4”, “https://www.python.org/events/python-events/798/”),
(“Event5”, “https://www.python.org/events/python-events/807/”),
(“Event6”, “https://www.python.org/events/python-events/807/”),
(“Event7”, “https://www.python.org/events/python-events/757/”),
(“Event8”, “https://www.python.org/events/python-user-group/816/”)]
start = time()
for x in urls:
url_response(x)
print(f"Time to download: {time() - start}")
Time to download: 7.306085824966431
并行版本,只需改動一行代碼ThreadPool(9).imap_unordered(url_response, urls),時間會大幅度減少:
import os
import requests
from time import time
from multiprocessing.pool import ThreadPool
def url_response(url):
path, url = url
r = requests.get(url, stream=True)
with open(path, ‘wb’) as f:
for ch in r:
f.write(ch)
urls = [(“Event1”, “https://www.python.org/events/python-events/805/”),
(“Event2”, “https://www.python.org/events/python-events/801/”),
(“Event3”, “https://www.python.org/events/python-events/790/”),
(“Event4”, “https://www.python.org/events/python-events/798/”),
(“Event5”, “https://www.python.org/events/python-events/807/”),
(“Event6”, “https://www.python.org/events/python-events/807/”),
(“Event7”, “https://www.python.org/events/python-events/757/”),
(“Event8”, “https://www.python.org/events/python-user-group/816/”)]
start = time()
ThreadPool(9).imap_unordered(url_response, urls)
print(f"Time to download: {time() - start}")
Time to download: 0.0064961910247802734
5. 使用urllib獲取html頁面
import urllib.request
urllib.request.urlretrieve(‘url’, ‘path’)
urllib.request.urlretrieve(‘https://www.python.org/’, ‘PythonOrganization.html’)
6. python下載視頻的神器
you-get[2],目前you-get所支持的網站包含國內外幾十個網站(youtube、twitter、騰訊、愛奇藝、優酷、bilibili等)。
pip install you-get
測試一下:
you-get https://www.bilibili.com/video/av52694584/?spm_id_from=333.334.b_686f6d655f706f70756c6172697a65.3
youtube-dl[3]也是一個類似的工具。
7. 舉個例子
批量下載: NOAA-CIRES 20th Century 2m氣溫再分析資料[4]。一個個點手會點殘,這時候可以借助Python來批量化下載數據。
首先打開頁面,按F12查看網頁源碼:
可以看出,對應下載文件的鏈接都在div標簽下的a標簽中,需要將這些鏈接一一獲取然后就可以進行批量化下載了。
# -- coding: utf-8 --
import urllib
from bs4 import BeautifulSoup
rawurl=‘https://www.esrl.noaa.gov/psd/cgi-bin/db_search/DBListFiles.pl?did=118&tid=40290&vid=2227’
content = urllib.request.urlopen(rawurl).read().decode(‘ascii’) # 獲取頁面的HTML
soup = BeautifulSoup(content, ‘lxml’)
url_cand_html=soup.find_all(id=‘content’) # 定位到存放url的標號為content的div標簽
list_urls=url_cand_html[0].find_all(“a”) # 定位到a標簽,其中存放著文件的url
urls=[]
for i in list_urls[1:]:
urls.append(i.get(‘href’)) # 取出鏈接
for i,url in enumerate(urls):
print(“This is file”+str(i+1)+" downloading! You still have “+str(142-i-1)+” files waiting for downloading!!")
file_name = “./ncfile/”+url.split(’/’)[-1] # 文件保存位置+文件名
urllib.request.urlretrieve(url, file_name)
本文分享自微信公眾號 - MeteoAI(meteoai)
原文出處及轉載信息見文內詳細說明,如有侵權,請聯系 yunjia_community@tencent.com刪除。
原始發表時間:2019-07-22
本文參與騰訊云自媒體分享計劃,歡迎正在閱讀的你也加入,一起分享。
發表于 舉報 10掃描二維碼掃碼關注云+社區
領取騰訊云代金券
MeteoAI
75篇文章51人訂閱訂閱專欄- Keras系列(五) ConvLSTM 空間特征深度學習
- Python 命令行參數解析庫argparse
- 還在用matplotlib畫圖?你out啦
- Keras 系列(六) CNN 分類及fit_generator函數
- xarray尾聲:TIFF與GRIB處理
- 上一篇:python 面向對象編程 - 小游戲
- 下一篇:爬取斗圖網圖片,使用xpath格式來匹配內容,對請求偽裝成瀏覽器, Referer 防跨域請求
總結
以上是生活随笔為你收集整理的用python下载文件的若干种方法汇总的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: pytorch中调整学习率的lr_sch
- 下一篇: “Attention is All Yo
我來說兩句
0 條評論