Python下载文件的11种方式

南笙酒味 提交于 2020-12-23 19:02:38

在本教程中,你将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。


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:



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。


使用wget


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。


 

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。


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:



要下载这个pdf文件,请使用以下代码:



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。


分块下载大文件


考虑下面的代码:



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。


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:



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:



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。



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:


现在,使用以下代码行替换for循环:



运行该脚本。


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:



考虑以下代码:



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。


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:



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,



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。


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:


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:



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。


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:



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:



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:



然后,我们使用了urllib3的PoolManager ,它会跟踪必要的连接池。



创建一个文件:



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:



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:



对于AWS配置,请运行以下命令:



现在,按以下命令输入你的详细信息:



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:



现在,导入这两个模块:



在从Amazon下载文件时,我们需要三个参数:

  1.  Bucket名称

  2. 你需要下载的文件名称

  3. 文件下载之后的名称


初始化变量:



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:



最后,使用download_file方法下载文件并传入变量:



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:



现在,像这样定义asyncio协同方法:



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:



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。


使用Python下载文件是很有趣的。希望本教程对你有用!


英文原文:https://dzone.com/articles/simple-examples-of-downloading-files-using-python
译者:天天向上

往期推荐


StackOverFlow优选的十条编程观点

真能一快遮"百丑"?为什么要弃坑 FastJson

GitHub推出云端IDE,几秒完成开发环境配置,今后可以在浏览器里使用VS Code了



本文分享自微信公众号 - 程序员汇聚地(chasays)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!