Python 下载的 11 种姿势，一种比一种高级！

数据STUDIO2022年11月20日约 5 分钟

今天我们一起学习如何使用不同的Python模块从web下载文件。此外，你将下载常规文件、web页面、Amazon S3和其他资源。

最后，你将学习 如何克服可能遇到的各种挑战， 例如下载重定向的文件、下载大型文件、完成一个多线程下载以及其他策略。

1、使用requests

你可以使用requests模块从一个URL下载文件。

考虑以下代码:

你只需使用 requests模块的get方法获取URL， 并将结果存储到一个名为“myfile”的变量中。然后，将这个变量的内容写入文件。

2、使用wget

你还可以 使用Python的wget模块从一个URL下载文件。 你可以使用pip按以下命令安装wget模块:

考虑以下代码，我们将使用它下载Python的logo图像。

在这段代码中，URL和路径(图像将存储在其中)被传递给 wget模块的download方法。

3、下载重定向的文件

在本节中，你将学习如何 使用requests从一个URL下载文件， 该URL会被重定向到另一个带有一个.pdf文件的URL。该URL看起来如下:

要下载这个pdf文件，请使用以下代码:

在这段代码中，我们第一步指定的是URL。然后， 我们使用request模块的get方法来获取该URL。 在get方法中，我们将allow_redirects设置为True，这将允许 URL中的重定向， 并且重定向后的内容将被分配给变量myfile。

最后，我们打开一个文件来写入获取的内容。

4、分块下载大文件

考虑下面的代码:

首先，我们像以前一样使用requests模块的get方法，但是这一次， 我们将把stream属性设置为True。

接着，我们在当前工作目录中创建一个名为PythonBook.pdf的文件，并打开它进行写入。

然后，我们指定每次要下载的块大小。 我们已经将其设置为1024字节，接着遍历每个块， 并在文件中写入这些块，直到块结束。

不漂亮吗?不要担心，稍后我们将显示一个下载过程的进度条。

5、下载多个文件(并行/批量下载)

要同时下载多个文件，请导入以下模块:

我们导入了 os和time 模块来检查下载文件需要多少时间。ThreadPool模块允许你使用池运行多个线程或进程。

让我们创建一个简单的函数，将响应分块发送到一个文件:

这个URL是一个二维数组，它指定了你要下载的页面的路径和URL。

就像在前一节中所做的那样，我们将这个 URL传递给requests.get。 最后，我们打开文件(URL中指定的路径)并写入页面内容。现在，我们可以分别为每个URL调用这个函数，我们也可以同时为所有URL调用这个函数。 让我们在for循环中分别为每个URL调用这个函数， 注意计时器:

现在，使用以下代码行替换for循环：

运行该脚本。

6、使用进度条进行下载

进度条是clint模块的一个UI组件。输入以下命令来安装clint模块：

考虑以下代码:

在这段代码中，我们首先导入了requests模块，然后，我们从clint.textui导入了进度组件。唯一的区别是 在for循环中。 在将内容写入文件时，我们使用了进度条模块的bar方法。

7、使用urllib下载网页

在本节中，我们将使用urllib下载一个网页。

urllib库是Python的标准库，因此你不需要安装它。

以下代码行可以轻松地下载一个网页:

在这里指定 你想将文件保存为什么以及你想将它存储在哪里的URL。

在这段代码中，我们使用了urlretrieve方法并传递了文件的URL，以及保存文件的路径。文件扩展名将是.html。

8、通过代理下载

如果你需要使用代理下载你的文件，你可以使用urllib模块的ProxyHandler。 请看以下代码：

在这段代码中，我们创建了代理对象， 并通过调用urllib的build_opener方法来打开该代理， 并传入该代理对象。然后，我们创建请求来获取页面。

此外，你还可以按照官方文档的介绍来使用requests模块:

你只需要 导入requests模块并创建你的代理对象。 然后，你就可以获取文件了。

9、使用urllib3

urllib3是urllib模块的改进版本。你可以使用pip下载并安装它:

我们将通过使用urllib3来获取一个网页并将它存储在一个文本文件中。

导入以下模块:

在处理文件时，我们使用了shutil模块。

现在，我们像这样来初始化URL字符串变量：

然后，我们使用了urllib3的PoolManager ， 它会跟踪必要的连接池。

创建一个文件:

最后，我们发送一个GET请求来获取该URL并打开一个文件，接着将响应写入该文件:

10、使用Boto3从S3下载文件

要从Amazon S3下载文件，你可以使用Python boto3模块。

在开始之前，你需要使用pip安装awscli模块:

对于AWS配置，请运行以下命令：

现在，按以下命令输入你的详细信息：

要从Amazon S3下载文件，你需要导入boto3和botocore。Boto3是一个Amazon SDK， 它允许Python访问Amazon web服务(如S3)。 Botocore提供了与Amazon web服务进行交互的命令行服务。

Botocore自带了awscli。要安装boto3，请运行以下命令:

现在，导入这两个模块：

在从Amazon下载文件时，我们需要三个参数 ：

Bucket名称
你需要下载的文件名称
文件下载之后的名称

初始化变量：

现在， 我们初始化一个变量来使用会话的资源。 为此，我们将调用boto3的resource()方法并传入服务，即s3:

最后，使用download_file方法下载文件并传入变量:

11、使用asyncio

asyncio模块 主要用于处理系统事件。 它围绕一个事件循环进行工作，该事件循环会等待事件发生，然后对该事件作出反应。这个反应可以是调用另一个函数。这个过程称为事件处理。asyncio模块使用协同程序进行事件处理。

要使用asyncio事件处理和协同功能，我们将导入asyncio模块:

现在，像这样定义asyncio协同方法：

关键字async表示这是一个原生asyncio协同程序。在协同程序的内部，我们有一个await关键字，它会返回一个特定的值。我们也可以使用return关键字。

现在，让我们使用协同创建一段代码来从网站下载一个文件:

在这段代码中， 我们创建了一个异步协同函数，它会下载我们的文件并返回一条消息。 然后，我们使用另一个异步协同程序调用main_func， 它会等待URL并将所有URL组成一个队列。 asyncio的wait函数会等待协同程序完成。

现在，为了启动协同程序，我们必须使用asyncio的get_event_loop()方法将协同程序放入事件循环中，最后，我们使用asyncio的run_until_complete()方法执行该事件循环。

希望大家遇到下载需求时可以有所参考！

原文链接：http://dwz.date/cQjK

🏴‍☠️宝藏级🏴‍☠️ 原创公众号『数据STUDIO 』内容超级硬核。公众号以Python为核心语言，垂直于数据科学领域，包括可戳 👉 Python ｜ MySQL ｜数据分析｜数据可视化｜机器学习与数据挖掘｜爬虫等，从入门到进阶！

长按👇关注- 数据STUDIO -设为星标，干货速递