学习如何使用不同的Python模块从web下载文件

2023-06-0508:23:29编程语言入门到精通Comments647 views字数 2776阅读模式

一起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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

1、使用requests文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

你可以使用requests模块从一个URL下载文件。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

考虑以下代码:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

2、使用wget文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

考虑以下代码，我们将使用它下载Python的logo图像。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

3、下载重定向的文件文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

要下载这个pdf文件，请使用以下代码:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。微信搜索公众号：架构师指南，回复：架构师领取资料。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

最后，我们打开一个文件来写入获取的内容。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

4、分块下载大文件文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

考虑下面的代码:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

接着，我们在当前工作目录中创建一个名为的文件，并打开它进行写入。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

?点击领取Python面试题文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

Python从入门到进阶知识手册文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

5、下载多个文件(并行/批量下载)文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

要同时下载多个文件，请导入以下模块:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

让我们创建一个简单的函数，将响应分块发送到一个文件:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

就像在前一节中所做的那样，我们将这个URL传递给。最后，我们打开文件(URL中指定的路径)并写入页面内容。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

现在，使用以下代码行替换for循环：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

运行该脚本。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

6、使用进度条进行下载文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

考虑以下代码:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

在这段代码中，我们首先导入了requests模块，然后，我们从导入了进度组件。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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

7、使用urllib下载网页文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

在本节中，我们将使用urllib下载一个网页。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

urllib库是Python的标准库，因此你不需要安装它。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

以下代码行可以轻松地下载一个网页:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

8、通过代理下载文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

此外，你还可以按照官方文档的介绍来使用requests模块:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

9、使用urllib3文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

urllib3是urllib模块的改进版本。你可以使用pip下载并安装它:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

导入以下模块:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

在处理文件时，我们使用了shutil模块。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

现在，我们像这样来初始化URL字符串变量：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

然后，我们使用了urllib3的PoolManager ，它会跟踪必要的连接池。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

创建一个文件:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

10、使用Boto3从S3下载文件文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

要从Amazon S3下载文件，你可以使用Python boto3模块。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

在开始之前，你需要使用pip安装awscli模块:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

对于AWS配置，请运行以下命令：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

现在，按以下命令输入你的详细信息：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

Botocore自带了awscli。要安装boto3，请运行以下命令:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

现在，导入这两个模块：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

在从Amazon下载文件时，我们需要三个参数：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

Bucket名称
你需要下载的文件名称
文件下载之后的名称

初始化变量：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

最后，使用download_file方法下载文件并传入变量:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

11、使用asyncio文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

要使用asyncio事件处理和协同功能，我们将导入asyncio模块:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

现在，像这样定义asyncio协同方法：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

文章源自菜鸟学院-https://www.cainiaoxueyuan.com/ymba/44422.html

学习如何使用不同的Python模块从web下载文件

Python-3.12.3 新版本发布 & 性能提升

C语言菜鸟教程：数组指针

C语言菜鸟教程：字符数组和字符串

加速Python循环12种方法，最高提速900倍！

C语言菜鸟教程：程序的分支结构

2024 年还值得学习PHP吗？

C语言编程学习：浮点数类型

比 Python 快 9 万倍的AI 编程语言 Mojo 正式开源

TIOBE4月编程语言排行榜：PHP排名跌至历史最低

深入探索Python内存回收机制：原理与实践

Comment