FAILŲ ATSISIUNTIMAS IŠ ŽINIATINKLIO NAUDOJANT PYTHON

Prašymai yra universali HTTP biblioteka python su įvairiomis programomis. Viena iš jos programų yra atsisiųsti failą iš žiniatinklio naudojant failo URL. Montavimas: 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 čia ir įdiegti rankiniu būdu.

Failų atsisiuntimas

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.)

Parsisiųsti didelius failus

HTTP atsakymo turinys ( r.turinys ) yra ne kas kita, kaip eilutė, kurioje saugomi failo duomenys. Taigi, jei failai yra dideli, nebus įmanoma išsaugoti visų duomenų vienoje eilutėje. Norėdami išspręsti šią problemą, savo programoje atliekame keletą pakeitimų:

Kadangi visų failų duomenų negali saugoti viena mūsų naudojama eilutė r.iter_content metodas įkelti duomenis dalimis, nurodant gabalo dydį.

 r = requests.get(URL stream = True)

Setting srautas parametras į Tiesa bus atsisiunčiamos tik atsakymo antraštės, o ryšys liks atviras. Taip išvengiama viso turinio perskaitymo į atmintį, kad būtų galima gauti didelius atsakymus. Fiksuotas gabalas bus įkeltas kiekvieną kartą 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  )

Vaizdo įrašų atsisiuntimas

Šiame pavyzdyje mes norime atsisiųsti visas vaizdo paskaitas apie tai internetinis puslapis . Yra visi šios paskaitos archyvai čia . 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:

Galima lengvai atsisiųsti žiniatinklio katalogus, kartodami rekursyviai per svetainę!
Tai nuo naršyklės nepriklausomas metodas ir daug greitesnis!
Galima tiesiog nubraukti tinklalapį, kad gautumėte visus tinklalapio failų URL ir atsisiųstumėte visus failus viena komanda -
„Web Scraping“ įdiegimas „Python“ naudojant „BeautifulSoup“.

Šį tinklaraštį sukūrė Nikhilas Kumaras. Sukurti viktoriną