如何使用Python通过HTTP下载文件？-Java 学习之路

714

我有一个小工具，用于按计划从网站下载MP3，然后构建/更新播客XML文件，我显然已将其添加到iTunes .

创建/更新XML文件的文本处理是用Python编写的 . 我在Windows .bat 文件中使用wget来下载实际的MP3 . 我宁愿用Python编写整个实用程序 .

我努力寻找一种方法来实际下载Python中的文件，因此我采用了 wget .

那么，我如何使用Python下载文件？

22 回答

19
以下是在python中下载文件最常用的调用：
- urllib.urlretrieve ('url_to_file', file_name)
- urllib2.urlopen('url_to_file')
- requests.get(url)
- wget.download('url', file_name)
注意：发现 urlopen 和 urlretrieve 在下载大文件（大小> 500 MB）时表现相对较差 . requests.get 将文件存储在内存中，直到下载完成 .
回复于 2024-04-27T21:58:33+08:00

简单但 Python 2 & Python 3 兼容的方式附带 six 库：

from six.moves import urllib
urllib.request.urlretrieve("http://www.example.com/songs/mp3.mp3", "mp3.mp3")

回复于 2024-04-27T21:58:33+08:00

310
在2012年，使用python requests library
```
>>> import requests
>>> 
>>> url = "http://download.thinkbroadband.com/10MB.zip"
>>> r = requests.get(url)
>>> print len(r.content)
10485760
```
你可以运行 pip install requests 来获取它 .

与其他选择相比，请求具有许多优势，因为API更简单 . 如果您必须进行身份验证，则尤其如此 . 在这种情况下，urllib和urllib2非常不直观和痛苦 .

2015年12月30日

人们对进度条表示钦佩 . 这很酷，当然 . 现在有几种现成的解决方案，包括 tqdm ：
```
from tqdm import tqdm
import requests

url = "http://download.thinkbroadband.com/10MB.zip"
response = requests.get(url, stream=True)

with open("10MB", "wb") as handle:
    for data in tqdm(response.iter_content()):
        handle.write(data)
```
这基本上是30个月前@kvance所描述的实现 .
回复于 2024-04-27T21:58:33+08:00

源代码可以是：

import urllib
sock = urllib.urlopen("http://diveintopython.org/")
htmlSource = sock.read()                            
sock.close()                                        
print htmlSource

回复于 2024-04-27T21:58:33+08:00

您可以在Python 2和3上使用PycURL .

import pycurl

FILE_DEST = 'pycurl.html'
FILE_SRC = 'http://pycurl.io/'

with open(FILE_DEST, 'wb') as f:
    c = pycurl.Curl()
    c.setopt(c.URL, FILE_SRC)
    c.setopt(c.WRITEDATA, f)
    c.perform()
    c.close()

回复于 2024-04-27T21:58:33+08:00

6
仅为了完整起见，还可以使用 subprocess 包调用任何程序来检索文件 . 专用于检索文件的程序比像 urlretrieve 这样的Python函数更强大 . 例如，wget可以递归下载目录（ -R ），可以处理FTP，重定向，HTTP代理，可以避免重新下载现有文件（ -nc ），aria2可以进行多连接下载，这可能会加快下载速度 .
```
import subprocess
subprocess.check_output(['wget', '-O', 'example_output_file.html', 'https://example.com'])
```
在Jupyter Notebook中，还可以使用 ! 语法直接调用程序：
```
!wget -O example_output_file.html https://example.com
```
回复于 2024-04-27T21:58:33+08:00

我写了以下内容，它适用于vanilla Python 2或Python 3 .

import sys
try:
    import urllib.request
    python3 = True
except ImportError:
    import urllib2
    python3 = False


def progress_callback_simple(downloaded,total):
    sys.stdout.write(
        "\r" +
        (len(str(total))-len(str(downloaded)))*" " + str(downloaded) + "/%d"%total +
        " [%3.2f%%]"%(100.0*float(downloaded)/float(total))
    )
    sys.stdout.flush()

def download(srcurl, dstfilepath, progress_callback=None, block_size=8192):
    def _download_helper(response, out_file, file_size):
        if progress_callback!=None: progress_callback(0,file_size)
        if block_size == None:
            buffer = response.read()
            out_file.write(buffer)

            if progress_callback!=None: progress_callback(file_size,file_size)
        else:
            file_size_dl = 0
            while True:
                buffer = response.read(block_size)
                if not buffer: break

                file_size_dl += len(buffer)
                out_file.write(buffer)

                if progress_callback!=None: progress_callback(file_size_dl,file_size)
    with open(dstfilepath,"wb") as out_file:
        if python3:
            with urllib.request.urlopen(srcurl) as response:
                file_size = int(response.getheader("Content-Length"))
                _download_helper(response,out_file,file_size)
        else:
            response = urllib2.urlopen(srcurl)
            meta = response.info()
            file_size = int(meta.getheaders("Content-Length")[0])
            _download_helper(response,out_file,file_size)

import traceback
try:
    download(
        "https://geometrian.com/data/programming/projects/glLib/glLib%20Reloaded%200.5.9/0.5.9.zip",
        "output.zip",
        progress_callback_simple
    )
except:
    traceback.print_exc()
    input()

笔记：

支持"progress bar"回调 .
下载是我网站上的4 MB测试.zip .

回复于 2024-04-27T21:58:33+08:00

在python3中，您可以使用urllib3和shutil libraires . 使用pip或pip3下载它们（取决于python3是否默认）

pip3 install urllib3 shutil

然后运行此代码

import urllib.request
import shutil

url = "http://www.somewebsite.com/something.pdf"
output_file = "save_this_name.pdf"
with urllib.request.urlopen(url) as response, open(output_file, 'wb') as out_file:
    shutil.copyfileobj(response, out_file)

请注意，您下载 urllib3 但在代码中使用 urllib

回复于 2024-04-27T21:58:33+08:00

972

如果速度对你很重要，我对模块 urllib 和 wget 做了一个小的性能测试，关于 wget 我用状态栏试了一次，没试过一次 . 我拿了三个不同的500MB文件进行测试（不同的文件 - 以消除在引擎盖下进行一些缓存的可能性） . 使用python2在debian机器上测试 .

首先，这些是结果（它们在不同的运行中类似）：

$ python wget_test.py 
urlretrive_test : starting
urlretrive_test : 6.56
==============
wget_no_bar_test : starting
wget_no_bar_test : 7.20
==============
wget_with_bar_test : starting
100% [......................................................................] 541335552 / 541335552
wget_with_bar_test : 50.49
==============

我执行测试的方式是使用“profile”装饰器 . 这是完整的代码：

import wget
import urllib
import time
from functools import wraps

def profile(func):
    @wraps(func)
    def inner(*args):
        print func.__name__, ": starting"
        start = time.time()
        ret = func(*args)
        end = time.time()
        print func.__name__, ": {:.2f}".format(end - start)
        return ret
    return inner

url1 = 'http://host.com/500a.iso'
url2 = 'http://host.com/500b.iso'
url3 = 'http://host.com/500c.iso'

def do_nothing(*args):
    pass

@profile
def urlretrive_test(url):
    return urllib.urlretrieve(url)

@profile
def wget_no_bar_test(url):
    return wget.download(url, out='/tmp/', bar=do_nothing)

@profile
def wget_with_bar_test(url):
    return wget.download(url, out='/tmp/')

urlretrive_test(url1)
print '=============='
time.sleep(1)

wget_no_bar_test(url2)
print '=============='
time.sleep(1)

wget_with_bar_test(url3)
print '=============='
time.sleep(1)

urllib 似乎是最快的

回复于 2024-04-27T21:58:33+08:00

1
如果安装了wget，则可以使用parallel_sync .

pip install parallel_sync
```
from parallel_sync import wget
urls = ['http://something.png', 'http://somthing.tar.gz', 'http://somthing.zip']
wget.download('/tmp', urls)
# or a single file:
wget.download('/tmp', urls[0], filenames='x.zip', extract=True)
```
Doc：https://pythonhosted.org/parallel_sync/pages/examples.html

这非常强大 . 它可以并行下载文件，在失败时重试，甚至可以在远程计算机上下载文件 .
回复于 2024-04-27T21:58:33+08:00
20
在Python 2中，使用标准库附带的urllib2 .
```
import urllib2
response = urllib2.urlopen('http://www.example.com/')
html = response.read()
```
这是使用库的最基本方法，减去任何错误处理 . 您还可以执行更复杂的操作，例如更改 Headers . 文档可以在here.找到
回复于 2024-04-27T21:58:33+08:00

Python 3

urllib.request.urlopen

import urllib.request
response = urllib.request.urlopen('http://www.example.com/')
html = response.read()

urllib.request.urlretrieve

import urllib.request
urllib.request.urlretrieve('http://www.example.com/songs/mp3.mp3', 'mp3.mp3')

Python 2

urllib2.urlopen（谢谢Corey）

import urllib2
response = urllib2.urlopen('http://www.example.com/')
html = response.read()

urllib.urlretrieve（谢谢PabloG）

import urllib
urllib.urlretrieve('http://www.example.com/songs/mp3.mp3', 'mp3.mp3')

回复于 2024-04-27T21:58:33+08:00

150

这可能有点晚了，但我看到了pabloG的代码并且无法帮助添加一个os.system（'cls'）让它看起来真棒！看看这个：

import urllib2,os

    url = "http://download.thinkbroadband.com/10MB.zip"

    file_name = url.split('/')[-1]
    u = urllib2.urlopen(url)
    f = open(file_name, 'wb')
    meta = u.info()
    file_size = int(meta.getheaders("Content-Length")[0])
    print "Downloading: %s Bytes: %s" % (file_name, file_size)
    os.system('cls')
    file_size_dl = 0
    block_sz = 8192
    while True:
        buffer = u.read(block_sz)
        if not buffer:
            break

        file_size_dl += len(buffer)
        f.write(buffer)
        status = r"%10d  [%3.2f%%]" % (file_size_dl, file_size_dl * 100. / file_size)
        status = status + chr(8)*(len(status)+1)
        print status,

    f.close()

如果在Windows以外的环境中运行，则必须使用“cls”之外的其他内容 . 在MAC OS X和Linux中它应该是'清除' .

回复于 2024-04-27T21:58:33+08:00

Python 2/3的PabloG代码的改进版本：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
from __future__ import ( division, absolute_import, print_function, unicode_literals )

import sys, os, tempfile, logging

if sys.version_info >= (3,):
    import urllib.request as urllib2
    import urllib.parse as urlparse
else:
    import urllib2
    import urlparse

def download_file(url, dest=None):
    """ 
    Download and save a file specified by url to dest directory,
    """
    u = urllib2.urlopen(url)

    scheme, netloc, path, query, fragment = urlparse.urlsplit(url)
    filename = os.path.basename(path)
    if not filename:
        filename = 'downloaded.file'
    if dest:
        filename = os.path.join(dest, filename)

    with open(filename, 'wb') as f:
        meta = u.info()
        meta_func = meta.getheaders if hasattr(meta, 'getheaders') else meta.get_all
        meta_length = meta_func("Content-Length")
        file_size = None
        if meta_length:
            file_size = int(meta_length[0])
        print("Downloading: {0} Bytes: {1}".format(url, file_size))

        file_size_dl = 0
        block_sz = 8192
        while True:
            buffer = u.read(block_sz)
            if not buffer:
                break

            file_size_dl += len(buffer)
            f.write(buffer)

            status = "{0:16}".format(file_size_dl)
            if file_size:
                status += "   [{0:6.2f}%]".format(file_size_dl * 100 / file_size)
            status += chr(13)
            print(status, end="")
        print()

    return filename

if __name__ == "__main__":  # Only run if this file is called directly
    print("Testing with 10MB download")
    url = "http://download.thinkbroadband.com/10MB.zip"
    filename = download_file(url)
    print(filename)

回复于 2024-04-27T21:58:33+08:00

396
```
import urllib2
mp3file = urllib2.urlopen("http://www.example.com/songs/mp3.mp3")
with open('test.mp3','wb') as output:
  output.write(mp3file.read())
```
open('test.mp3','wb') 中的 wb 以二进制模式打开文件（并删除任何现有文件），因此您可以使用它而不仅仅是文本来保存数据 .
回复于 2024-04-27T21:58:33+08:00

您也可以通过urlretrieve获取进度反馈：

def report(blocknr, blocksize, size):
    current = blocknr*blocksize
    sys.stdout.write("\r{0:.2f}%".format(100.0*current/size))

def downloadFile(url):
    print "\n",url
    fname = url.split('/')[-1]
    print fname
    urllib.urlretrieve(url, fname, report)

回复于 2024-04-27T21:58:33+08:00

1
我同意Corey，urllib2比urllib更完整，如果你想做更复杂的事情，应该是使用的模块，但为了使答案更完整，如果你只想要基础知识，urllib是一个更简单的模块：
```
import urllib
response = urllib.urlopen('http://www.example.com/sound.mp3')
mp3 = response.read()
```
工作正常 . 或者，如果您不想处理"response"对象，您可以调用 read() 直接：
```
import urllib
mp3 = urllib.urlopen('http://www.example.com/sound.mp3').read()
```
回复于 2024-04-27T21:58:33+08:00
2
urlretrieve和requests.get很简单，但事实并非如此 . 我已经获取了几个站点的数据，包括文本和图像，以上两个可能解决了大部分任务 . 但对于更通用的解决方案，我建议使用urlopen . 由于它包含在Python 3标准库中，因此您的代码可以在任何运行Python 3的计算机上运行，而无需预先安装site-par
```
import urllib.request
url_request = urllib.request.Request(url, headers=headers)
url_connect = urllib.request.urlopen(url_request)
len_content = url_content.length

#remember to open file in bytes mode
with open(filename, 'wb') as f:
    while True:
        buffer = url_connect.read(buffer_size)
        if not buffer: break

        #an integer value of size of written data
        data_wrote = f.write(buffer)

#you could probably use with-open-as manner
url_connect.close()
```
这个答案提供了使用Python通过http下载文件时HTTP 403 Forbidden的解决方案 . 我只尝试过请求和urllib模块，其他模块可能提供更好的东西，但这是我用来解决大多数问题的 .
回复于 2024-04-27T21:58:33+08:00
4
使用wget模块：
```
import wget
wget.download('url')
```
回复于 2024-04-27T21:58:33+08:00
2

为此目的在纯Python中写了wget库 . 从版本2.0开始，它被 urlretrieve 与these features一起提升 .

回复于 2024-04-27T21:58:33+08:00

还有一个，使用urlretrieve：

import urllib
urllib.urlretrieve ("http://www.example.com/songs/mp3.mp3", "mp3.mp3")

（对于Python 3，使用'import urllib.request'和urllib.request.urlretrieve）

又一个，带有“进度条”

import urllib2

url = "http://download.thinkbroadband.com/10MB.zip"

file_name = url.split('/')[-1]
u = urllib2.urlopen(url)
f = open(file_name, 'wb')
meta = u.info()
file_size = int(meta.getheaders("Content-Length")[0])
print "Downloading: %s Bytes: %s" % (file_name, file_size)

file_size_dl = 0
block_sz = 8192
while True:
    buffer = u.read(block_sz)
    if not buffer:
        break

    file_size_dl += len(buffer)
    f.write(buffer)
    status = r"%10d  [%3.2f%%]" % (file_size_dl, file_size_dl * 100. / file_size)
    status = status + chr(8)*(len(status)+1)
    print status,

f.close()

回复于 2024-04-27T21:58:33+08:00

import os,requests
def download(url):
    get_response = requests.get(url,stream=True)
    file_name  = url.split("/")[-1]
    with open(file_name, 'wb') as f:
        for chunk in get_response.iter_content(chunk_size=1024):
            if chunk: # filter out keep-alive new chunks
                f.write(chunk)


download("https://example.com/example.jpg")

回复于 2024-04-27T21:58:33+08:00

如何使用Python通过HTTP下载文件？

22 回答

Python 3

Python 2

相关问题