HERUNTERLADEN VON DATEIEN AUS DEM INTERNET MIT PYTHON

Anfragen ist eine vielseitige HTTP-Bibliothek in Python mit verschiedenen Anwendungen. Eine seiner Anwendungen besteht darin, eine Datei mithilfe der Datei-URL aus dem Internet herunterzuladen. Installation: First of all you would need to download the requests library. You can directly install it using pip by typing following command:

pip install requests

Or download it directly from Hier und manuell installieren.

Dateien herunterladen

Python3

    # imported the requests library   import   requests   image_url   =   'https://www.python.org/static/community_logos/python-logo-master-v3-TM.webp'   # URL of the image to be downloaded is defined as image_url   r   =   requests  .  get  (  image_url  )   # create HTTP response object   # send a HTTP request to the server and save   # the HTTP response in a response object called r   with   open  (  'python_logo.webp'    'wb'  )   as   f  :   # Saving received content as a png file in   # binary format   # write the contents of the response (r.content)   # to a new file in binary mode.   f  .  write  (  r  .  content  )

This small piece of code written above will download the following image from the web. Now check your local directory(the folder where this script resides) and you will find this image: All we need is the URL of the image source. (You can get the URL of image source by right-clicking on the image and selecting the View Image option.)

Laden Sie große Dateien herunter

Der Inhalt der HTTP-Antwort ( r.content ) ist nichts anderes als eine Zeichenfolge, die die Dateidaten speichert. Daher ist es bei großen Dateien nicht möglich, alle Daten in einer einzigen Zeichenfolge zu speichern. Um dieses Problem zu lösen, nehmen wir einige Änderungen an unserem Programm vor:

Da nicht alle Dateidaten in einer einzigen Zeichenfolge gespeichert werden können, verwenden wir r.iter_content Methode zum Laden von Daten in Blöcken unter Angabe der Blockgröße.

 r = requests.get(URL stream = True)

Setting Strom Parameter zu WAHR führt nur zum Herunterladen der Antwortheader und die Verbindung bleibt offen. Dadurch wird vermieden, dass der Inhalt bei großen Antworten auf einmal in den Speicher eingelesen wird. Jedes Mal wird ein fester Block geladen r.iter_content is iterated. Here is an example: Python3

    import   requests   file_url   =   'http://codex.cs.yale.edu/avi/db-book/db4/slide-dir/ch1-2.pdf'   r   =   requests  .  get  (  file_url     stream   =   True  )   with   open  (  'python.pdf'    'wb'  )   as   pdf  :   for   chunk   in   r  .  iter_content  (  chunk_size  =  1024  ):   # writing one chunk at a time to pdf file   if   chunk  :   pdf  .  write  (  chunk  )

Videos herunterladen

In diesem Beispiel sind wir daran interessiert, alle hierzu verfügbaren Videovorträge herunterzuladen Webseite . Alle Archive dieser Vorlesung sind verfügbar Hier . So we first scrape the webpage to extract all video links and then download the videos one by one. Python3

    import   requests   from   bs4   import   BeautifulSoup   '''    URL of the archive web-page which provides link to    all video lectures. It would have been tiring to    download each video manually.    In this example we first crawl the webpage to extract    all the links and then download videos.    '''   # specify the URL of the archive here    archive_url   =   'https://public.websites.umich.edu/errors/404.html   def   get_video_links  ():   # create response object    r   =   requests  .  get  (  archive_url  )   # create beautiful-soup object    soup   =   BeautifulSoup  (  r  .  content    'html5lib'  )   # find all links on web-page    links   =   soup  .  findAll  (  'a'  )   # filter the link sending with .mp4    video_links   =   [  archive_url   +   link  [  'href'  ]   for   link   in   links   if   link  [  'href'  ]  .  endswith  (  'mp4'  )]   return   video_links   def   download_video_series  (  video_links  ):   for   link   in   video_links  :      '''iterate through all links in video_links     and download them one by one'''   # obtain filename by splitting url and getting    # last string    file_name   =   link  .  split  (  '/'  )[  -  1  ]   print  (   'Downloading file:  %s  '  %  file_name  )   # create response object    r   =   requests  .  get  (  link     stream   =   True  )   # download started    with   open  (  file_name     'wb'  )   as   f  :   for   chunk   in   r  .  iter_content  (  chunk_size   =   1024  *  1024  ):   if   chunk  :   f  .  write  (  chunk  )   print  (   '  %s   downloaded!  n  '  %  file_name   )   print   (  'All videos downloaded!'  )   return   if   __name__   ==   '__main__'  :   # getting all video links    video_links   =   get_video_links  ()   # download all videos    download_video_series  (  video_links  )

Advantages of using Requests library to download web files are:

Man kann die Webverzeichnisse einfach herunterladen, indem man rekursiv durch die Website iteriert!
Dies ist eine browserunabhängige Methode und viel schneller!
Man kann einfach eine Webseite durchsuchen, um alle Datei-URLs auf einer Webseite zu erhalten und somit alle Dateien mit einem einzigen Befehl herunterladen.
Implementierung von Web Scraping in Python mit BeautifulSoup

Dieser Blog wird von Nikhil Kumar verfasst. Quiz erstellen