我有一个小工具,用于按计划从网站下载MP3,然后构建/更新播客XML文件,我显然已将其添加到iTunes.
创建/更新XML文件的文本处理是用Python编写的.我在Windows .bat
文件中使用wget 来下载实际的MP3.我宁愿用Python编写整个实用程序.
我努力寻找一种方法来实际下载Python中的文件,因此我采用了wget
.
那么,我如何使用Python下载文件?
还有一个,使用urlretrieve
:
import urllib urllib.urlretrieve ("http://www.example.com/songs/mp3.mp3", "mp3.mp3")
(对于Python 3+,使用'import urllib.request'和urllib.request.urlretrieve)
又一个,带有"进度条"
import urllib2 url = "http://download.thinkbroadband.com/10MB.zip" file_name = url.split('/')[-1] u = urllib2.urlopen(url) f = open(file_name, 'wb') meta = u.info() file_size = int(meta.getheaders("Content-Length")[0]) print "Downloading: %s Bytes: %s" % (file_name, file_size) file_size_dl = 0 block_sz = 8192 while True: buffer = u.read(block_sz) if not buffer: break file_size_dl += len(buffer) f.write(buffer) status = r"%10d [%3.2f%%]" % (file_size_dl, file_size_dl * 100. / file_size) status = status + chr(8)*(len(status)+1) print status, f.close()
在Python 2中,使用标准库附带的urllib2.
import urllib2 response = urllib2.urlopen('http://www.example.com/') html = response.read()
这是使用库的最基本方法,减去任何错误处理.您还可以执行更复杂的操作,例如更改标题.文档可以在这里找到.
在2012年,使用python请求库
>>> import requests >>> >>> url = "http://download.thinkbroadband.com/10MB.zip" >>> r = requests.get(url) >>> print len(r.content) 10485760
你可以跑去pip install requests
搞定.
请求与备选方案相比具有许多优点,因为API更简单.如果您必须进行身份验证,则尤其如此.在这种情况下,urllib和urllib2非常不直观和痛苦.
2015年12月30日
人们对进度条表示钦佩.这很酷,当然.现在有几种现成的解决方案,包括tqdm
:
from tqdm import tqdm import requests url = "http://download.thinkbroadband.com/10MB.zip" response = requests.get(url, stream=True) with open("10MB", "wb") as handle: for data in tqdm(response.iter_content()): handle.write(data)
这基本上是30个月前@kvance所描述的实现.
import urllib2
mp3file = urllib2.urlopen("http://www.example.com/songs/mp3.mp3")
with open('test.mp3','wb') as output:
output.write(mp3file.read())
在wb
中open('test.mp3','wb')
打开一个文件(并清除所有现有文件)以二进制模式,所以你可以用它来代替刚才保存的文本数据.
urllib.request.urlopen
import urllib.request response = urllib.request.urlopen('http://www.example.com/') html = response.read()
urllib.request.urlretrieve
import urllib.request urllib.request.urlretrieve('http://www.example.com/songs/mp3.mp3', 'mp3.mp3')
urllib2.urlopen
(谢谢科里)
import urllib2 response = urllib2.urlopen('http://www.example.com/') html = response.read()
urllib.urlretrieve
(感谢PabloG)
import urllib urllib.urlretrieve('http://www.example.com/songs/mp3.mp3', 'mp3.mp3')
使用wget模块:
import wget wget.download('url')
Python 2/3的PabloG代码的改进版本:
#!/usr/bin/env python # -*- coding: utf-8 -*- from __future__ import ( division, absolute_import, print_function, unicode_literals ) import sys, os, tempfile, logging if sys.version_info >= (3,): import urllib.request as urllib2 import urllib.parse as urlparse else: import urllib2 import urlparse def download_file(url, dest=None): """ Download and save a file specified by url to dest directory, """ u = urllib2.urlopen(url) scheme, netloc, path, query, fragment = urlparse.urlsplit(url) filename = os.path.basename(path) if not filename: filename = 'downloaded.file' if dest: filename = os.path.join(dest, filename) with open(filename, 'wb') as f: meta = u.info() meta_func = meta.getheaders if hasattr(meta, 'getheaders') else meta.get_all meta_length = meta_func("Content-Length") file_size = None if meta_length: file_size = int(meta_length[0]) print("Downloading: {0} Bytes: {1}".format(url, file_size)) file_size_dl = 0 block_sz = 8192 while True: buffer = u.read(block_sz) if not buffer: break file_size_dl += len(buffer) f.write(buffer) status = "{0:16}".format(file_size_dl) if file_size: status += " [{0:6.2f}%]".format(file_size_dl * 100 / file_size) status += chr(13) print(status, end="") print() return filename if __name__ == "__main__": # Only run if this file is called directly print("Testing with 10MB download") url = "http://download.thinkbroadband.com/10MB.zip" filename = download_file(url) print(filename)
图书馆提供简单而Python 2 & Python 3
兼容的方式six
:
from six.moves import urllib urllib.request.urlretrieve("http://www.example.com/songs/mp3.mp3", "mp3.mp3")
import os,requests def download(url): get_response = requests.get(url,stream=True) file_name = url.split("/")[-1] with open(file_name, 'wb') as f: for chunk in get_response.iter_content(chunk_size=1024): if chunk: # filter out keep-alive new chunks f.write(chunk) download("https://example.com/example.jpg")
为此目的在纯Python中编写了wget库.从版本2.0 开始urlretrieve
,它就具备了这些功能.
我同意Corey,urllib2比urllib更完整,如果你想做更复杂的事情,应该是使用的模块,但为了使答案更加完整,如果你只想要基础知识,urllib是一个更简单的模块:
import urllib response = urllib.urlopen('http://www.example.com/sound.mp3') mp3 = response.read()
会工作得很好.或者,如果您不想处理"响应"对象,可以直接调用read():
import urllib mp3 = urllib.urlopen('http://www.example.com/sound.mp3').read()
以下是在python中下载文件最常用的调用:
urllib.urlretrieve ('url_to_file', file_name)
urllib2.urlopen('url_to_file')
requests.get(url)
wget.download('url', file_name)
注意:urlopen
并且urlretrieve
发现下载大文件(大小> 500 MB)时性能相对较差.requests.get
将文件存储在内存中,直到下载完成.
您也可以通过urlretrieve获取进度反馈:
def report(blocknr, blocksize, size): current = blocknr*blocksize sys.stdout.write("\r{0:.2f}%".format(100.0*current/size)) def downloadFile(url): print "\n",url fname = url.split('/')[-1] print fname urllib.urlretrieve(url, fname, report)
如果安装了wget,则可以使用parallel_sync.
pip install parallel_sync
from parallel_sync import wget urls = ['http://something.png', 'http://somthing.tar.gz', 'http://somthing.zip'] wget.download('/tmp', urls) # or a single file: wget.download('/tmp', urls[0], filenames='x.zip', extract=True)
Doc:https: //pythonhosted.org/parallel_sync/pages/examples.html
这非常强大.它可以并行下载文件,在失败时重试,甚至可以在远程机器上下载文件.
在python3中,您可以使用urllib3和shutil libraires.使用pip或pip3下载它们(取决于python3是否默认)
pip3 install urllib3 shutil
然后运行此代码
import urllib.request import shutil url = "http://www.somewebsite.com/something.pdf" output_file = "save_this_name.pdf" with urllib.request.urlopen(url) as response, open(output_file, 'wb') as out_file: shutil.copyfileobj(response, out_file)
请注意,您下载urllib3
但urllib
在代码中使用
仅出于完整性考虑,也可以使用该subprocess
软件包调用任何程序来检索文件。专用于检索文件的程序比Python函数(如)强大urlretrieve
。例如,wget
可以递归下载目录(-R
),可以处理FTP,重定向,HTTP代理,可以避免重新下载现有文件(-nc
),并且aria2
可以进行多连接下载,从而有可能加快下载速度。
import subprocess subprocess.check_output(['wget', '-O', 'example_output_file.html', 'https://example.com'])
在Jupyter Notebook中,还可以使用以下!
语法直接调用程序:
!wget -O example_output_file.html https://example.com