我有一个小的实用程序,可以用来按计划从网站上下载MP3,然后构建/更新我显然已添加到iTunes的播客XML文件。

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下载实际的MP3。 我更希望将整个实用程序用Python编写。

我一直在努力寻找一种方法来实际下载Python中的文件,因此为什么要诉诸wget

那么,如何使用Python下载文件?

===============>>#1 票数:1063

再使用urlretrieve

import urllib
urllib.urlretrieve ("http://www.example.com/songs/mp3.mp3", "mp3.mp3")

(对于Python 3+,请使用import urllib.requesturllib.request.urlretrieve

还有一个,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()

===============>>#2 票数:435 已采纳

在Python 2中,请使用标准库随附的urllib2。

import urllib2
response = urllib2.urlopen('http://www.example.com/')
html = response.read()

减去任何错误处理,这是使用该库的最基本方法。 您还可以执行更复杂的操作,例如更改标题。 该文档可在此处找到

===============>>#3 票数:325

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

您可以运行pip install requests来获取它。

与API相比,请求具有许多优势,因为API更加简单。 如果必须执行身份验证,则尤其如此。 在这种情况下,urllib和urllib2非常不直观且令人痛苦。


2015-12-30

人们对进度条表示钦佩。 肯定很酷。 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)

这本质上是30个月前描述的实现@kvance。

===============>>#4 票数:158

import urllib2
mp3file = urllib2.urlopen("http://www.example.com/songs/mp3.mp3")
with open('test.mp3','wb') as output:
  output.write(mp3file.read())

wbopen('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。

===============>>#5 票数:108

Python 3

  • 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') 

Python 2

  • urllib2.urlopen (感谢Corey

     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') 

===============>>#6 票数:26

使用wget模块:

import wget
wget.download('url')

===============>>#7 票数:21

用于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)

===============>>#8 票数:19

简单但与Python 2 & Python 3兼容的方式带有six库:

from six.moves import urllib
urllib.request.urlretrieve("http://www.example.com/songs/mp3.mp3", "mp3.mp3")

===============>>#9 票数:17

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")

===============>>#10 票数:16

为此,在纯Python中编写了wget库。 从2.0版开始, urlretrieve具有这些功能

===============>>#11 票数:14

我同意Corey的观点,urllib2比urllib更完整,并且如果您想做更复杂的事情,它应该是使用的模块,但是要使答案更完整,如果只需要基础知识,则urllib是一个更简单的模块:

import urllib
response = urllib.urlopen('http://www.example.com/sound.mp3')
mp3 = response.read()

将正常工作。 或者,如果您不想处理“响应”对象,则可以直接调用read()

import urllib
mp3 = urllib.urlopen('http://www.example.com/sound.mp3').read()

===============>>#12 票数:14

以下是在python中下载文件的最常用调用:

  1. urllib.urlretrieve ('url_to_file', file_name)

  2. urllib2.urlopen('url_to_file')

  3. requests.get(url)

  4. wget.download('url', file_name)

注意:发现urlopenurlretrieve在下载大文件(大小> 500 MB)时表现相对较差。 requests.get将文件存储在内存中,直到下载完成。

===============>>#13 票数:7

您也可以使用urlretrieve获得进度反馈:

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)

===============>>#14 票数:7

如果已安装wget,则可以使用parallel_sync。

pip安装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

这是非常强大的。 它可以并行下载文件,重试失败,甚至可以将文件下载到远程计算机上。

===============>>#15 票数:7

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是否为默认值)

pip3 install urllib3 shutil

然后运行这段代码

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,您下载了urllib3但在代码中使用了urllib

===============>>#16 票数:5

仅出于完整性考虑,也可以使用subprocess包调用任何程序来检索文件。 专用于检索文件的程序比urlretrieve等Python函数功能更强大。 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 ),而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,还可以直接用!调用程序! 句法:

!wget -O example_output_file.html https://example.com

===============>>#17 票数:4

如果速度对您很重要,则我对urllibwget模块进行了小型性能测试,关于wget我尝试过一次使用状态栏,一次尝试不使用状态栏。 我使用了三个不同的500MB文件进行测试(不同的文件-消除了在后台进行某些缓存的机会)。 在python2的debian机器上进行了测试。

首先,这些是结果(在不同的运行中它们是相似的):

$ python wget_test.py 
urlretrive_test : starting
urlretrive_test : 6.56
==============
wget_no_bar_test : starting
wget_no_bar_test : 7.20
==============
wget_with_bar_test : starting
100% [......................................................................] 541335552 / 541335552
wget_with_bar_test : 50.49
==============

我执行测试的方式是使用“配置文件”装饰器。 这是完整的代码:

import wget
import urllib
import time
from functools import wraps

def profile(func):
    @wraps(func)
    def inner(*args):
        print func.__name__, ": starting"
        start = time.time()
        ret = func(*args)
        end = time.time()
        print func.__name__, ": {:.2f}".format(end - start)
        return ret
    return inner

url1 = 'http://host.com/500a.iso'
url2 = 'http://host.com/500b.iso'
url3 = 'http://host.com/500c.iso'

def do_nothing(*args):
    pass

@profile
def urlretrive_test(url):
    return urllib.urlretrieve(url)

@profile
def wget_no_bar_test(url):
    return wget.download(url, out='/tmp/', bar=do_nothing)

@profile
def wget_with_bar_test(url):
    return wget.download(url, out='/tmp/')

urlretrive_test(url1)
print '=============='
time.sleep(1)

wget_no_bar_test(url2)
print '=============='
time.sleep(1)

wget_with_bar_test(url3)
print '=============='
time.sleep(1)

urllib似乎是最快的

===============>>#18 票数:3

源代码可以是:

import urllib
sock = urllib.urlopen("http://diveintopython.org/")
htmlSource = sock.read()                            
sock.close()                                        
print htmlSource  

===============>>#19 票数:3

您可以在Python 2和3上使用PycURL

import pycurl

FILE_DEST = 'pycurl.html'
FILE_SRC = 'http://pycurl.io/'

with open(FILE_DEST, 'wb') as f:
    c = pycurl.Curl()
    c.setopt(c.URL, FILE_SRC)
    c.setopt(c.WRITEDATA, f)
    c.perform()
    c.close()

===============>>#20 票数:2

我编写了以下内容,这些内容适用于香草Python 2或Python 3。


import sys
try:
    import urllib.request
    python3 = True
except ImportError:
    import urllib2
    python3 = False


def progress_callback_simple(downloaded,total):
    sys.stdout.write(
        "\r" +
        (len(str(total))-len(str(downloaded)))*" " + str(downloaded) + "/%d"%total +
        " [%3.2f%%]"%(100.0*float(downloaded)/float(total))
    )
    sys.stdout.flush()

def download(srcurl, dstfilepath, progress_callback=None, block_size=8192):
    def _download_helper(response, out_file, file_size):
        if progress_callback!=None: progress_callback(0,file_size)
        if block_size == None:
            buffer = response.read()
            out_file.write(buffer)

            if progress_callback!=None: progress_callback(file_size,file_size)
        else:
            file_size_dl = 0
            while True:
                buffer = response.read(block_size)
                if not buffer: break

                file_size_dl += len(buffer)
                out_file.write(buffer)

                if progress_callback!=None: progress_callback(file_size_dl,file_size)
    with open(dstfilepath,"wb") as out_file:
        if python3:
            with urllib.request.urlopen(srcurl) as response:
                file_size = int(response.getheader("Content-Length"))
                _download_helper(response,out_file,file_size)
        else:
            response = urllib2.urlopen(srcurl)
            meta = response.info()
            file_size = int(meta.getheaders("Content-Length")[0])
            _download_helper(response,out_file,file_size)

import traceback
try:
    download(
        "https://geometrian.com/data/programming/projects/glLib/glLib%20Reloaded%200.5.9/0.5.9.zip",
        "output.zip",
        progress_callback_simple
    )
except:
    traceback.print_exc()
    input()

笔记:

  • 支持“进度条”回调。
  • 从我的网站下载了一个4 MB的测试.zip文件。

===============>>#21 票数:1

这可能有点晚了,但是我看到了pabloG的代码,不禁添加了一个os.system('cls')使其看上去真棒! 看看这个 :

    import urllib2,os

    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)
    os.system('cls')
    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()

如果在Windows以外的环境中运行,则必须使用“ cls”以外的其他名称。 在MAC OS X和Linux中,应该“清楚”。

===============>>#22 票数:1

urlretrieve和request.get很简单,但事实并非如此。 我已经获取了几个站点的数据,包括文本和图像,以上两个可能解决了大多数任务。 但是对于更通用的解决方案,我建议使用urlopen。 由于它包含在Python 3标准库中,因此您的代码可以在任何运行Python 3的计算机上运行,​​而无需预先安装站点软件包

import urllib.request
url_request = urllib.request.Request(url, headers=headers)
url_connect = urllib.request.urlopen(url_request)

#remember to open file in bytes mode
with open(filename, 'wb') as f:
    while True:
        buffer = url_connect.read(buffer_size)
        if not buffer: break

        #an integer value of size of written data
        data_wrote = f.write(buffer)

#you could probably use with-open-as manner
url_connect.close()

当使用Python通过http下载文件时,此答案提供了针对HTTP 403 Forbidden的解决方案。 我只尝试了请求和urllib模块,其他模块可能提供了更好的功能,但这是我用来解决大多数问题的模块。

  ask by Owen translate from so

未解决问题?本站智能推荐:

1回复

使用python下载文件(REST URL)

我正在尝试编写一个脚本,该脚本将从具有REST URL的网站上下载一堆文件。 这是GET请求: 如果请求正确,它将返回302响应,例如: 我需要脚本执行的操作是检查它是否为302响应。 如果不是,它将“通过”;如果是,则需要解析出此处显示的location参数:
2回复

使用python格式下载文件无效

嘿,我试图从印度的NSE网站下载股票数据 所以我为此使用python 链接是 但是当我尝试打开下载的文件时,它说 当我尝试通过简单地粘贴链接从网站正常下载时,被下载的文件就会打开 链接 https://www.nseindia.com/content/hi
1回复

使用wget -c功能在Python中使用urllib下载文件

我正在使用Python编程软件以从数据库下载HTTP PDF。 有时下载会停止并显示以下消息: 如何使用206 Partial Content HTTP功能要求下载重新启动? 我可以使用wget -c来做它并且它工作得很好,但我想直接在我的Python软件中实现它。 任何的
2回复

如何在Python 3中使用urllib.request下载文件?

所以,我在Python 3中urllib.request用urllib.request ,我想知道如何将获取Internet文件的结果写入本地机器上的文件。 我试过这个: 但我得到了这个错误: 我究竟做错了什么? 注意:我已经看到了这个问题 ,但它与Python 2的ur
1回复

Python | HTTP-下载前如何检查文件大小

我正在使用urllib3爬网。 示例代码: 问题在于,我可能偶然发现了下载非常大文件的网址,而下载时并没有感到困惑。 我发现了这个问题- 链接 -它建议使用urllib和urlopen 。 我不想联系服务器两次。 我想将文件大小限制为25MB。 有没有办法我可以用url
2回复

Python:将大文件下载到本地路径并设置自定义http标头

我希望从http url下载文件到本地文件。 该文件足够大,我想下载它并将其保存为块而不是read()和write()将整个文件保存为单个巨型字符串。 urllib.urlretrieve的界面基本上就是我想要的。 但是,当我通过urllib.urlretrieve下载时,我看不到设置
2回复

如何使用GAE Python下载多个文件

我想用GAE Python代码下载几个文件。 我当前的代码如下 我希望使用此代码两次进行下载对话,但实际上发生一次,并且仅下载了sample2.jpg。 如何多次处理下载对话? 我实际上还想实现上面添加的其他一些功能。 在浏览器上显示进度消息,例如 sample1.jpg
3回复

使用python urllib / urllib2发出一个http POST请求来上传文件

我想发一个POST请求,使用python将文件上传到Web服务(并得到响应)。 例如,我可以使用curl执行以下POST请求: 如何使用python urllib / urllib2发出相同的请求? 我到目前为止最接近的是: 我从上面的代码中得到了HTTP Error 500
1回复

重复使用HTTP连接Python 3

因此,每秒我都会每秒对网站X发出一堆请求,到目前为止,使用标准urllib包(例如,请求返回一个json): 但是,由于在发出约500个请求后,我发出了太多请求,因此该网站返回HTTPError 429: Too manyrequests 。 我当时认为如果重新使用初始TCP连接可能会
1回复

Python从互联网地址下载所有文件?

我想从互联网页面下载所有文件,实际上是所有图像文件。 我发现'urllib'模块是我需要的。 如果您知道文件名,似乎有一种下载文件的方法,但我不知道。 是否有方法从页面下载所有文件,并可能返回列表?