Python爬虫文件下载图文教程

时间:2022-11-12 20:45:06

而今天我们要说的内容是:如果在网页中存在文件资源,如:图片,电影,文档等。怎样通过python爬虫把这些资源下载下来。

1、怎样在网上找资源:

就是百度图片为例,当你如下图在百度图片里搜索一个主题时,会为你跳出一大堆相关的图片。

还有如果你想学英语,找到一个网站有很多mp3的听力资源,这些可能都是你想获取的内容。

现在是一个互联网的时代,只要你去找,基本上能找到你想要的任何资源。

Python爬虫文件下载图文教程

2、怎样识别网页中的资源:

以上面搜索到的百度图片为例。找到了这么多的内容,当然你可以通过手动一张张的去保存,但这样做既费力又费事。你当然更希望通过程序自动去下载所找到的资源。要想代码识别这些资源,就要告诉代码这些资源有哪些特征,怎样在网页中找到它们。

打开浏览器的调试功能(不同浏览器可能有差别,不知道的百度一下吧)。找出网页中你想要下载资源的路径,如下图所示。如果有许多类似资源需要下载,则要找到识别这些资源地址的规律,然后告诉代码。

Python爬虫文件下载图文教程

3、资源下载方法一:

代码很简单,直接上代码:

?
1
2
3
from urllib.request import urlretrieve
 
urlretrieve("图片url", "./image.jpg")

 

直接通过urlretrieve函数就把url对应的图片给下载到当前文件夹(./)中了,并把图片命名为image.jpg。

4、资源下载方法二:

还是直接看代码:

?
1
2
3
4
5
6
7
import requests
 
resource = requests.get("图片url")
 
with open("./image.jpg", mode="wb") as fh:
 
  fh.write(resource.content)

此下载方法要安装python的requests库。从功能上来说与下载方法一是一样的。python库的安装方法用pip就好。很简单,这里都不啰嗦了。

5、资源下载方法三:

看代码:

?
1
2
3
4
5
6
7
8
9
import requests
 
resource = requests.get("图片url", stream=true)
 
with open("./image.jpg", mode="wb") as fh:
 
  for chunk in resource.iter_content(chunk_size=100):
 
    fh.write(chunk)

此方法与下载方法二的不同之处在于在get方法调用时使用了参数【stream=true】。而在写入的文件的时候是分块写入的。

什么意思呢:

前两种方法是把一个文件全部下载到内存后,再一起写入到硬盘文件中。

方法三是下载一定的量(这里指的是100字节)后,就写入到硬盘文件中,直到全部写完。

第三种方法的好处是,如果在下载大容量文件时,不会造成内存的过度使用。

6、资源下载说明一:

上述的代码都是通过下载图片资源为例子的,但所有其它资源,如文档,电影等的下载方式是一样的。关键是要正确的识别出网页中资源所对应的url地址才能够正确的下载(因为有些资源是用的相对路径或加密后的路径)。

7、资源下载说明二:

上面例子中的代码都是下载单一资源的。如果要在同一网页中下载多个资源的思路如下:

1. 找出要下载资源的url,并形成一个资源集合;

2. 把下载函数中的资源url与保存路径参数化;

3. 遍历资源集合,依靠循环调用下载函数来达到多个资源下载的目的。

总结:以上就是本次介绍关于python爬虫下载文件的所有知识点内容,感谢大家的阅读。

原文链接:https://jingyan.baidu.com/article/aa6a2c1487632d0d4c19c4ab.html