11种方法教你用Python高效下载资源！

天天向上 | 译者

数据管道 | 来源

https://dzone.com/articles/simple-examples-of-downloading-files-using-python 

在本教程中&＃xff0c;你将学习如何使用不同的Python模块从web下载文件。此外&＃xff0c;你将下载常规文件、web页面、Amazon S3和其他资源。

最后&＃xff0c;你将学习如何克服可能遇到的各种挑战&＃xff0c;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。

1

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&＃xff0c;并将结果存储到一个名为“myfile”的变量中。然后&＃xff0c;将这个变量的内容写入文件。

2

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&＃xff0c;我们将使用它下载Python的logo图像。

在这段代码中&＃xff0c;URL和路径(图像将存储在其中)被传递给wget模块的download方法。

3

下载重定向的文件

在本节中&＃xff0c;你将学习如何使用requests从一个URL下载文件&＃xff0c;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&＃xff0c;请使用以下代码:

在这段代码中&＃xff0c;我们第一步指定的是URL。然后&＃xff0c;我们使用request模块的get方法来获取该URL。在get方法中&＃xff0c;我们将allow_redirects设置为True&＃xff0c;这将允许URL中的重定向&＃xff0c;并且重定向后的内容将被分配给变量myfile。

最后&＃xff0c;我们打开一个文件来写入获取的内容。

4

分块下载大文件

考虑下面的代码:

首先&＃xff0c;我们像以前一样使用requests模块的get方法&＃xff0c;但是这一次&＃xff0c;我们将把stream属性设置为True。

接着&＃xff0c;我们在当前工作目录中创建一个名为PythonBook.pdf的文件&＃xff0c;并打开它进行写入。

然后&＃xff0c;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&＃xff0c;接着遍历每个块&＃xff0c;并在文件中写入这些块&＃xff0c;直到块结束。

不漂亮吗?不要担心&＃xff0c;稍后我们将显示一个下载过程的进度条。

5

下载多个文件(并行/批量下载)

要同时下载多个文件&＃xff0c;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&＃xff0c;将响应分块发送到一个文件:

这个URL是一个二维数组&＃xff0c;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&＃xff0c;我们将这个URL传递给requests.get。最后&＃xff0c;我们打开文件(URL中指定的路径)并写入页面内容。

现在&＃xff0c;我们可以分别为每个URL调用这个函数&＃xff0c;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&＃xff0c;注意计时器:

现在&＃xff0c;使用以下代码行替换for循环&＃xff1a;

运行该脚本。

6

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&＃xff1a;

考虑以下代码:

在这段代码中&＃xff0c;我们首先导入了requests模块&＃xff0c;然后&＃xff0c;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&＃xff0c;我们使用了进度条模块的bar方法。

7

使用urllib下载网页

在本节中&＃xff0c;我们将使用urllib下载一个网页。

urllib库是Python的标准库&＃xff0c;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&＃xff0c;我们使用了urlretrieve方法并传递了文件的URL&＃xff0c;以及保存文件的路径。文件扩展名将是.html。

8

通过代理下载

如果你需要使用代理下载你的文件&＃xff0c;你可以使用urllib模块的ProxyHandler。请看以下代码&＃xff1a;

在这段代码中&＃xff0c;我们创建了代理对象&＃xff0c;并通过调用urllib的build_opener方法来打开该代理&＃xff0c;并传入该代理对象。然后&＃xff0c;我们创建请求来获取页面。

此外&＃xff0c;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&＃xff0c;你就可以获取文件了。

9

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&＃xff0c;我们使用了shutil模块。

现在&＃xff0c;我们像这样来初始化URL字符串变量&＃xff1a;

然后&＃xff0c;我们使用了urllib3的PoolManager &＃xff0c;它会跟踪必要的连接池。

创建一个文件:

最后&＃xff0c;我们发送一个GET请求来获取该URL并打开一个文件&＃xff0c;接着将响应写入该文件:

10

使用Boto3从S3下载文件

要从Amazon S3下载文件&＃xff0c;你可以使用Python boto3模块。

在开始之前&＃xff0c;你需要使用pip安装awscli模块:

对于AWS配置&＃xff0c;请运行以下命令&＃xff1a;

现在&＃xff0c;按以下命令输入你的详细信息&＃xff1a;

要从Amazon S3下载文件&＃xff0c;你需要导入boto3和botocore。Boto3是一个Amazon SDK&＃xff0c;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&＃xff0c;请运行以下命令:

现在&＃xff0c;导入这两个模块&＃xff1a;

在从Amazon下载文件时&＃xff0c;我们需要三个参数&＃xff1a;

• 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&＃xff1a;

现在&＃xff0c;我们初始化一个变量来使用会话的资源。为此&＃xff0c;我们将调用boto3的resource()方法并传入服务&＃xff0c;即s3:

最后&＃xff0c;使用download_file方法下载文件并传入变量:

11

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&＃xff0c;该事件循环会等待事件发生&＃xff0c;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&＃xff0c;我们将导入asyncio模块:

现在&＃xff0c;像这样定义asyncio协同方法&＃xff1a;

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&＃xff0c;我们有一个await关键字&＃xff0c;它会返回一个特定的值。我们也可以使用return关键字。

现在&＃xff0c;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&＃xff0c;我们创建了一个异步协同函数&＃xff0c;它会下载我们的文件并返回一条消息。

然后&＃xff0c;我们使用另一个异步协同程序调用main_func&＃xff0c;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&＃xff0c;为了启动协同程序&＃xff0c;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&＃xff0c;最后&＃xff0c;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!

- END -

本文为转载分享&推荐阅读&＃xff0c;若侵权请联系后台删除