[英]download file over https query with python headless browser
我尝试在网站上使用 python 进行网络抓取(使用 spynner 和 BeautifulSoup)。 在某些时候,我想测试由以下 html 查询触发的 zip 文件下载:
https://mywebsite.com/download?from=2011&to=2012
如果在浏览器 (chrome) 中明确使用,这将触发具有给定名称的 zip 文件的下载。 我无法使用无头浏览器重现此行为。 我知道这不是正确的方法,而是使用类似 spynner 的方法:
from spynner import Browser
b = Browser()
b.load(webpage,wait_callback=wait_page_load, tries=3)
b.load_jquery(True)
...
output = b.load("https://website.com/download?from=2011&to=2012")
print b.html
>> ...
当然不起作用(没有zip文件下载)。 最后一个打印语句显示我最终出现在一个错误页面上,带有一个 java 异常堆栈。
有没有办法
谢谢你的帮助。
在使用 Java 调试器对 chrome 进行一些测试后,最后一件事是在浏览器中执行此操作时出现以下警告:
Resource interpreted as Document but transferred with MIME type application/zip "https://mywebsite.com/download?from=2011&to=2012"
编辑:
发现拨打的电话是:
https://mywebsite.com/download?from=10%2F18%2F2011&to=10%2F18%2F2012
可以在浏览器中使用,应该替换为
https://mywebsite.com/download?from=10/18/2011&to=10/18/2012
不能在 python 中使用,因为 URL 编码会将%2F
映射到%252F
我不确定这是否会处理您的情况,但请尝试一下:
def download_finished(reply):
try:
with open('filename.ext', 'wb') as downloaded_file:
downloaded_file.write(reply.readAll())
except Exception:
pass
b.manager.finished.disconnect(download_finished)
download_url = spynner.QUrl(url)
request = spynner.QNetworkRequest(download_url)
# requires: from PyQt4.QtCore import QByteArray
request.setRawHeader('Accept', QByteArray(
'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8'))
b.manager.finished.connect(download_finished)
reply = b.manager.get(request)
b.wait_requests(1)
您在使用spynner
犯了一个错误。
该脚本应如下所示:
from spynner import Browser
b = Browser()
b.load(webpage,wait_callback=wait_page_load, tries=3)
b.load_jquery(True)
...
b.load("https://website.com/download?from=2011&to=2012")
# print b.html
f = open("/tmp/foo.zip", "w")
f.write(b.html)
f.close()
下面的代码有效吗?
import urllib, os, urlparse
url = YOUR_URL
file = urllib.URLopener()
file.retrieve(url, os.path.basename(urlparse.urlparse(url).path))
print 'downloading:', url
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.