在本教程中，你將學習如何使用不同的Python模塊從web下載文件。此外，你將下載常規(guī)文件、web頁面、Amazon S3和其他資源。

最后，你將學習如何克服可能遇到的各種挑戰(zhàn)，例如下載重定向的文件、下載大型文件、完成一個多線程下載以及其他策略。

1、使用requests

你可以使用requests模塊從一個URL下載文件。

考慮以下代碼:

你只需使用requests模塊的get方法獲取URL，并將結果存儲到一個名為“myfile”的變量中。然后，將這個變量的內(nèi)容寫入文件。

2、使用wget

你還可以使用Python的wget模塊從一個URL下載文件。你可以使用pip按以下命令安裝wget模塊:

考慮以下代碼，我們將使用它下載Python的logo圖像。

在這段代碼中，URL和路徑(圖像將存儲在其中)被傳遞給wget模塊的download方法。

3、下載重定向的文件

在本節(jié)中，你將學習如何使用requests從一個URL下載文件，該URL會被重定向到另一個帶有一個.pdf文件的URL。該URL看起來如下:

要下載這個pdf文件，請使用以下代碼:

在這段代碼中，我們第一步指定的是URL。然后，我們使用request模塊的get方法來獲取該URL。在get方法中，我們將allow_redirects設置為True，這將允許URL中的重定向，并且重定向后的內(nèi)容將被分配給變量myfile。

最后，我們打開一個文件來寫入獲取的內(nèi)容。

4、分塊下載大文件

考慮下面的代碼:

首先，我們像以前一樣使用requests模塊的get方法，但是這一次，我們將把stream屬性設置為True。

接著，我們在當前工作目錄中創(chuàng)建一個名為PythonBook.pdf的文件，并打開它進行寫入。

然后，我們指定每次要下載的塊大小。我們已經(jīng)將其設置為1024字節(jié)，接著遍歷每個塊，并在文件中寫入這些塊，直到塊結束。

不漂亮嗎?不要擔心，稍后我們將顯示一個下載過程的進度條。

5、下載多個文件(并行/批量下載)

要同時下載多個文件，請導入以下模塊:

我們導入了os和time模塊來檢查下載文件需要多少時間。ThreadPool模塊允許你使用池運行多個線程或進程。

讓我們創(chuàng)建一個簡單的函數(shù)，將響應分塊發(fā)送到一個文件:

這個URL是一個二維數(shù)組，它指定了你要下載的頁面的路徑和URL。

就像在前一節(jié)中所做的那樣，我們將這個URL傳遞給requests.get。最后，我們打開文件(URL中指定的路徑)并寫入頁面內(nèi)容。

現(xiàn)在，我們可以分別為每個URL調用這個函數(shù)，我們也可以同時為所有URL調用這個函數(shù)。讓我們在for循環(huán)中分別為每個URL調用這個函數(shù)，注意計時器:

現(xiàn)在，使用以下代碼行替換for循環(huán)：

運行該腳本。

6、使用進度條進行下載

進度條是clint模塊的一個UI組件。輸入以下命令來安裝clint模塊：

考慮以下代碼:

在這段代碼中，我們首先導入了requests模塊，然后，我們從clint.textui導入了進度組件。唯一的區(qū)別是在for循環(huán)中。在將內(nèi)容寫入文件時，我們使用了進度條模塊的bar方法。

7、使用urllib下載網(wǎng)頁

在本節(jié)中，我們將使用urllib下載一個網(wǎng)頁。

urllib庫是Python的標準庫，因此你不需要安裝它。

以下代碼行可以輕松地下載一個網(wǎng)頁:

在這里指定你想將文件保存為什么以及你想將它存儲在哪里的URL。

在這段代碼中，我們使用了urlretrieve方法并傳遞了文件的URL，以及保存文件的路徑。文件擴展名將是.html。

你只需要導入requests模塊并創(chuàng)建你的代理對象。然后，你就可以獲取文件了。

9、使用urllib3

urllib3是urllib模塊的改進版本。你可以使用pip下載并安裝它:

我們將通過使用urllib3來獲取一個網(wǎng)頁并將它存儲在一個文本文件中。

導入以下模塊:

在處理文件時，我們使用了shutil模塊。

現(xiàn)在，我們像這樣來初始化URL字符串變量：

然后，我們使用了urllib3的PoolManager ，它會跟蹤必要的連接池。

創(chuàng)建一個文件:

最后，我們發(fā)送一個GET請求來獲取該URL并打開一個文件，接著將響應寫入該文件:

10、使用Boto3從S3下載文件

要從Amazon S3下載文件，你可以使用Python boto3模塊。

在開始之前，你需要使用pip安裝awscli模塊:

對于AWS配置，請運行以下命令：

現(xiàn)在，按以下命令輸入你的詳細信息：

要從Amazon S3下載文件，你需要導入boto3和botocore。Boto3是一個Amazon SDK，它允許Python訪問Amazon web服務(如S3)。Botocore提供了與Amazon web服務進行交互的命令行服務。

Botocore自帶了awscli。要安裝boto3，請運行以下命令:

現(xiàn)在，導入這兩個模塊：

在從Amazon下載文件時，我們需要三個參數(shù)：

• Bucket名稱

• 你需要下載的文件名稱

• 文件下載之后的名稱

初始化變量：

現(xiàn)在，我們初始化一個變量來使用會話的資源。為此，我們將調用boto3的resource()方法并傳入服務，即s3:

最后，使用download_file方法下載文件并傳入變量:

11、使用asyncio

asyncio模塊主要用于處理系統(tǒng)事件。它圍繞一個事件循環(huán)進行工作，該事件循環(huán)會等待事件發(fā)生，然后對該事件作出反應。這個反應可以是調用另一個函數(shù)。這個過程稱為事件處理。asyncio模塊使用協(xié)同程序進行事件處理。

要使用asyncio事件處理和協(xié)同功能，我們將導入asyncio模塊:

現(xiàn)在，像這樣定義asyncio協(xié)同方法：

關鍵字async表示這是一個原生asyncio協(xié)同程序。在協(xié)同程序的內(nèi)部，我們有一個await關鍵字，它會返回一個特定的值。我們也可以使用return關鍵字。

現(xiàn)在，讓我們使用協(xié)同創(chuàng)建一段代碼來從網(wǎng)站下載一個文件:

在這段代碼中，我們創(chuàng)建了一個異步協(xié)同函數(shù)，它會下載我們的文件并返回一條消息。

然后，我們使用另一個異步協(xié)同程序調用main_func，它會等待URL并將所有URL組成一個隊列。asyncio的wait函數(shù)會等待協(xié)同程序完成。

現(xiàn)在，為了啟動協(xié)同程序，我們必須使用asyncio的get_event_loop()方法將協(xié)同程序放入事件循環(huán)中，最后，我們使用asyncio的run_until_complete()方法執(zhí)行該事件循環(huán)。

希望大家遇到下載需求時可以有所參考！

原文鏈接：http://dwz.date/cQjK

推薦閱讀：

1、原創(chuàng)專輯 | Python 與 數(shù)據(jù)分析
2、花費一周整理的Python資源，讓我學習效率，事半功倍！

關注微信公眾號「杰哥的IT之旅」，后臺回復「1024」查看更多內(nèi)容，回復「加群」備注：地區(qū)-職業(yè)方向-昵稱 即可加入讀者交流群。

      

       
        

         

          

           

            

             

              

               
              
              

               點個[在看]，是對杰哥最大的支持！