SŤAHOVANIE SÚBOROV Z WEBU POMOCOU PYTHONU

Žiadosti je všestranná knižnica HTTP v pythone s rôznymi aplikáciami. Jednou z jeho aplikácií je sťahovanie súboru z webu pomocou URL súboru. Inštalácia: 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 tu a nainštalovať ručne.

Sťahovanie súborov

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.)

Stiahnite si veľké súbory

Obsah odpovede HTTP ( r.obsah ) nie je nič iné ako reťazec, ktorý ukladá údaje súboru. V prípade veľkých súborov teda nebude možné uložiť všetky údaje do jedného reťazca. Na prekonanie tohto problému robíme v našom programe niekoľko zmien:

Pretože všetky údaje súboru nemožno uložiť do jedného reťazca, ktorý používame r.iter_content metóda na načítanie údajov v blokoch s uvedením veľkosti bloku.

 r = requests.get(URL stream = True)

Setting prúd parameter do Pravda spôsobí sťahovanie iba hlavičiek odpovedí a spojenie zostane otvorené. Tým sa zabráni načítaniu obsahu naraz do pamäte pre veľké odozvy. Zakaždým sa načíta pevný blok 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  )

Sťahovanie videí

V tomto príklade máme záujem stiahnuť si všetky dostupné video prednášky webovú stránku . Všetky archívy tejto prednášky sú dostupné tu . 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:

Jeden môže ľahko stiahnuť webové adresáre rekurzívnym opakovaním cez webovú stránku!
Toto je metóda nezávislá od prehliadača a oveľa rýchlejšia!
Môžete jednoducho zoškrabať webovú stránku, aby ste získali všetky adresy URL súborov na webovej stránke, a teda stiahnuť všetky súbory jediným príkazom-
Implementácia škrabania webu v Pythone s BeautifulSoup

Autorom tohto blogu je Nikhil Kumar. Vytvoriť kvíz