LADDA NER FILER FRÅN WEBBEN MED PYTHON

Förfrågningar är ett mångsidigt HTTP-bibliotek i python med olika applikationer. En av dess applikationer är att ladda ner en fil från webben med hjälp av filens URL. 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 här och installera manuellt.

Laddar ner filer

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.)

Ladda ner stora filer

HTTP-svarets innehåll ( r.innehåll ) är inget annat än en sträng som lagrar fildata. Så det kommer inte att vara möjligt att spara all data i en enda sträng vid stora filer. För att lösa detta problem gör vi några ändringar i vårt program:

Eftersom all fildata inte kan lagras av en enda sträng använder vi r.iter_content metod för att ladda data i bitar som anger bitstorleken.

 r = requests.get(URL stream = True)

Setting strömma parameter till Sann kommer endast att orsaka nedladdning av svarsrubriker och anslutningen förblir öppen. Detta undviker att läsa innehållet på en gång i minnet för stora svar. En fast bit kommer att laddas varje gång 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  )

Ladda ner videor

I det här exemplet är vi intresserade av att ladda ner alla videoföreläsningar som finns om detta webbsida . Alla arkiv för denna föreläsning är tillgängliga här . 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 kan enkelt ladda ner webbkatalogerna genom att iterera rekursivt genom webbplatsen!
Detta är en webbläsaroberoende metod och mycket snabbare!
Man kan helt enkelt skrapa en webbsida för att få alla filadresser på en webbsida och därmed ladda ner alla filer i ett enda kommando-
Implementera webbskrapning i Python med BeautifulSoup

Den här bloggen är bidragit av Nikhil Kumar. Skapa frågesport