028-86261949

当前位置:首页 > 学科资讯 > 使用Python下载文件的简单示例

使用Python下载文件的简单示例

2020/03/30 14:42 分类: 学科资讯 浏览:17

在本教程中,您将学习如何使用不同的Python模块从Web下载文件。此外,您还将下载常规文件、网页、AmazonS 3和其他来源。

最后,您将学习如何克服可能遇到的各种挑战,例如下载重定向文件、下载大型文件、完成多线程下载以及其他策略。

 

使用请求

您可以使用请求模块从URL下载文件。

考虑以下守则:

import requests
 
url = 'https://www.python.org/static/img/python-logo@2x.png'
 
myfile = requests.get(url)
 
open('c:/users/LikeGeeks/downloads/PythonImage.png', 'wb').write(myfile.content)

只需使用get 方法,并将结果存储到名为“myfile”的变量中。然后,将变量的内容写入文件中。

 

使用wget

还可以使用惠特Python模块。这个wget 可以使用PIP安装模块,如下所示:

pip install wget

考虑下面的代码,我们将下载Python的徽标图像:

import wget
 
url = "https://www.python.org/static/img/python-logo@2x.png"
 
wget.download(url, 'c:/users/LikeGeeks/downloads/pythonLogo.png')

在这段代码中,URL以及路径(图像将在其中存储)被传递给wget模块的下载方法。

 

重定向的下载文件

在本节中,您将学习如何从URL下载,该URL使用请求重定向到另一个带有.pdf文件的URL。URL内容如下:

https://readthedocs.org/projects/python-guide/downloads/pdf/latest/

要下载此pdf文件,请使用以下代码:

import requests
 
url = 'https://readthedocs.org/projects/python-guide/downloads/pdf/latest/'
 
myfile = requests.get(url, allow_redirects=True)
 
open('c:/users/LikeGeeks/documents/hello.pdf', 'wb').write(myfile.content)

在这段代码中,我们指定的第一步是URL。然后,我们使用请求模块的get方法来获取URL。在get方法中,我们设置allow_redirects到True,这将允许在URL中重定向,而重定向后的内容将分配给变量myfile.

最后,我们打开一个文件来编写获取的内容。

 

块下载大文件

考虑以下守则:

import requests
 
 
url = 'https://www.python.org/static/img/python-logo@2x.png'
 
 
myfile = requests.get(url)
 
 
open('c:/users/LikeGeeks/downloads/PythonImage.png', 'wb').write(myfile.content)

首先,我们像以前一样使用请求模块的get方法,但这一次,我们将流属性设置为True。

然后,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,我们指定要一次下载的块大小。我们已经设置为1024字节,遍历每个块,并在文件中写入块直到块完成。

不漂亮?别担心,我们稍后会显示下载过程的进度条。

 

下载多个文件(并行/批量下载)

若要一次下载多个文件,请导入以下模块:

import os
 
 
import requests
 
 
from time import time
 
 
from multiprocessing.pool import ThreadPool

我们导入了操作系统和时间模块,以检查下载文件所需的时间。模块ThreadPool 允许您使用池运行多个线程或进程。

让我们创建一个简单的函数,将响应以块的形式发送到文件:

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)

 

URL是一个二维数组,它指定要下载的页面的路径和URL。

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/")]

将URL传递给requests.get,就像我们在上一节中所做的那样。最后,打开文件(URL中指定的路径)并写入页面的内容。

现在,我们可以对每个URL分别调用这个函数,也可以同时调用所有URL的这个函数。让我们在for循环中分别对每个URL执行此操作,并注意计时器:

start = time()
 
for x in urls:
 
 
url_response (x)
 
 
print(f"Time to download: {time() - start}")
 

现在,用以下代码行替换for循环:

 
ThreadPool(9).imap_unordered(url_response, urls)

运行脚本。

 

用进度栏下载

进度条是客户端模块的UI小部件。若要安装客户端模块,请键入以下命令:

pip install clint

考虑以下代码:

import requests
 
from clint.textui import progress
 
 
url = 'http://do1.dr-chuck.com/pythonlearn/EN_us/pythonlearn.pdf'
 
 
r = requests.get(url, stream=True)
 
 
with open("LearnPython.pdf", "wb") as Pypdf:
 
 
    total_length = int(r.headers.get('content-length'))
 
 
    for ch in progress.bar(r.iter_content(chunk_size = 2391975), expected_size=(total_length/1024) + 1):
 
 
if ch:
 
 
Pypdf.write(ch)

在这段代码中,我们导入了请求模块,然后从clint.textui导入了进度小部件。唯一的区别是for循环。我们在将内容写入文件时使用了进度模块的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,因此不需要安装它。

以下代码行可以轻松下载网页:
urllib.request.urlretrieve('url', 'path')

在这里指定要保存的URL以及要存储它的位置:

urllib.request.urlretrieve('https://www.python.org/', 'c:/users/LikeGeeks/documents/PythonOrganization.html')

在这段代码中,我们使用了urlretrieve 方法并传递文件的URL,以及保存文件的路径。文件扩展名为.html。

 

通过代理下载

如果需要使用代理下载文件,可以使用ProxyHandler 在urllib模块中。检查以下代码:

import urllib.request
>>> myProxy = urllib.request.ProxyHandler({'http': '127.0.0.2'})
>>> openProxy = urllib.request.build_opener(myProxy)
>>> urllib.request.urlretrieve('https://www.python.org/')

 

在此代码中,我们创建了代理对象,并通过调用build_opener方法并传递代理对象。然后,我们请求检索页面。

此外,您还可以使用正式文档中记录的请求模块:
import requests
myProxy = { 'http': 'http://127.0.0.2:3001' }
requests.get("https://www.python.org/", proxies=myProxy)

 

使用urllib 3


urllib 3是urllib模块的改进版本。您可以使用pip下载并安装它:
pip install urllib3我们将获取一个网页,并使用urllib 3将其存储在文本文件中。
导入以下模块:

import urllib3, shutil

shutil模块在处理文件时使用。
现在,初始化URL字符串变量,如下所示:
url = 'https://www.python.org/'然后,我们使用PoolManager 用于跟踪必要的连接池的urllib 3。

c = urllib3.PoolManager()创建一个文件:

filename = "test.txt"

最后,我们发送一个GET请求来获取URL并打开一个文件并将响应写到该文件中:
with c.request('GET', url, preload_content=False) as res, open(filename, 'wb') as out_file:
shutil.copyfileobj(res, out_file)

 

使用Boto 3从S3下载文件


要从AmazonS 3下载文件,可以使用PythonBoto 3模块。
在开始之前,您需要使用pip安装awscli模块:
pip install awscli对于AWS配置,运行以下命令:

aws configure现在,输入您的详细信息如下:

AWS Access Key ID [None]: (The access key)
AWS Secret Access Key [None]: (Secret access key)
Default region name [None]: (Region)
Default output format [None]: (Json)
要从AmazonS 3下载文件,请导入boto 3和botocore。Boto 3是用于Python访问AmazonWeb服务(如S3)的AmazonSDK。Botocore提供命令行服务来与AmazonWeb服务交互。
Botocore配备了awscli。要安装boto 3,运行以下命令:
pip install boto3现在,导入这两个模块:

import boto3, botocore当从Amazon下载文件时,我们需要三个参数:
桶的名字
需要下载的文件的名称。
文件下载后的名称。
初始化变量:
bucket = "bucketName"
file_name = "filename"
downloaded_file = "downloadedfilename"

现在,初始化一个变量以使用会话的资源。为此,我们将调用resource()方法并传递服务,即S3:

service = boto3.resource(‘s3’)

最后,使用download_file 方法并传入变量:

service.Bucket(bucket).download_file(file_name, downloaded_file)

 

使用异步


异步模块的重点是处理系统事件。它围绕一个事件循环工作,该循环等待事件发生,然后对该事件作出反应。反应可以是调用另一个函数。这个过程叫做偶数处理。异步模块使用协同处理事件。
为了使用异步事件处理和协同服务功能,我们将导入异步模块:
import asyncio现在,定义异步协同器方法,如下所示:

async def coroutine():
    await my_func()
关键字异步告诉我们,这是一个本机异步协同器。在协同线的主体中,我们有一个等待关键字,它返回一个特定的值。返回关键字也可以使用。
现在,让我们使用Cooutine创建一个代码,从Web下载一个文件:
>>> import os

>>> import urllib.request

>>> async def coroutine(url):

    r = urllib.request.urlopen(url)

    filename = "couroutine_downloads.txt"

    with open(filename, 'wb') as f:

        for ch in r:

            f.write(ch)

    print_msg = 'Successfully Downloaded'

    return print_msg

>>> async def main_func(urls_to_download):

    co = [coroutine(url) for url in urls_to_download]

    downloaded, downloading = await asyncio.wait(co)

    for i in downloaded:

        print(i.result())

urls_to_download = ["https://www.python.org/events/python-events/801/",

"https://www.python.org/events/python-events/790/", 

"https://www.python.org/events/python-user-group/816/",

 "https://www.python.org/events/python-events/757/"]

>>> eventLoop = asyncio.get_event_loop()

>>> eventLoop.run_until_complete(main_func(urls_to_download))
在这段代码中,我们创建了一个异步协同函数,用于下载我们的文件并返回一条消息。
然后,我们有另一个异步协同器调用main_func 它等待URL并生成所有URL的队列。异步的等待函数等待协同器的完成。
现在,要启动coroutine,我们必须将coroutine放入事件循环中,方法是使用get_event_loop()方法,最后,使用run_until_complete()异步方法


使用Python下载文件很有趣。希望这个教程对你有用!

#标签:Python,Python下载文件