Python 如何通过HTTP下载文件？

我有一个小实用程序，我用它按计划从网站下载MP3文件，然后构建/更新我添加到iTunes的播客XML文件

创建/更新XML文件的文本处理是用Python编写的。但是，我在Windows

.bat

文件中使用wget来下载实际的MP3文件。我更喜欢用Python编写整个实用程序

我很难找到一种用Python实际下载文件的方法，因此我求助于使用

wget

那么，如何使用Python下载文件呢？

使用：

这是使用库的最基本方法，不包括任何错误处理。您还可以执行更复杂的操作，例如更改标题

在Python 2上，该方法位于：

导入urllib2
mp3file=urllib2.urlopen（“http://www.example.com/songs/mp3.mp3")
以open（'test.mp3'，'wb'）作为输出：
output.write（mp3file.read（））

---

open（'test.mp3'，'wb'）

中的

wb

以二进制模式打开一个文件（并删除任何现有文件），这样您就可以用它来保存数据，而不仅仅是文本。

我同意Corey的观点，urllib2比您想做更复杂的事情时使用的模块更完整，而且应该使用它，但为了使答案更完整，如果您只需要基本功能，urllib是一个更简单的模块：

import urllib
response = urllib.urlopen('http://www.example.com/sound.mp3')
mp3 = response.read()

会很好的。或者，如果不想处理“response”对象，可以直接调用read（）：

import urllib
mp3 = urllib.urlopen('http://www.example.com/sound.mp3').read()

还有一个，使用：

---

（对于Python3+使用

导入urllib.request

和

urllib.request.urlretrieve

）

还有一个，带有“progressbar”

2012年，使用

您可以运行

pip安装请求来获取它

请求与替代方案相比有许多优点，因为API要简单得多。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是非常不直观和痛苦的


2015-12-30

人们对进度条表示钦佩。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)

这实际上是30个月前描述的@kvance实现。
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)

用纯Python编写的库就是为了这个目的。从2.0版开始，它就开始运行了。
这可能有点晚了，但我看到了pabloG的代码，忍不住添加了一个os.system（'cls'），让它看起来很棒！请查看：

    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”以外的其他工具。在MAC OS X和Linux中，应该是“清除”的。
源代码可以是：

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

您还可以通过urlretrieve获得进度反馈：

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)

使用：

Python 3




注意：根据文档，
urllib.request.urlretrieve
是一个“遗留接口”，并且“将来可能会被弃用”（谢谢）


Python 2

（谢谢）


（谢谢）


如果已安装wget，则可以使用并行同步

安装并行同步

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)

文件：

这是相当强大的。它可以并行下载文件，失败后重试，甚至可以在远程机器上下载文件。
以下是在python中下载文件最常用的调用：

urllib.urlretrieve（'url\u to\u file'，file\u name）

urllib2.urlopen（'url\u to\u file'）

requests.get（url）

wget.download（'url'，文件名）

注意：
urlopen
和
urlretrieve
在下载大文件（大小>500 MB）时表现相对较差<代码>请求。get

将文件存储在内存中，直到下载完成

urlretrieve和requests.get很简单，但实际情况并非如此。 我已经获取了两个站点的数据，包括文本和图像，上面两个可能解决了大部分任务。但对于更普遍的解决方案，我建议使用urlopen。由于它包含在Python3标准库中，您的代码可以在运行Python3的任何机器上运行，而无需预先安装站点包

import urllib.request
url_request = urllib.request.Request(url, headers=headers)
url_connect = urllib.request.urlopen(url_request)

#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()

---

这个答案提供了一个解决方案，解决了在使用Python通过HTTP下载文件时禁止使用HTTP 403的问题。我只尝试了请求和urllib模块，另一个模块可能会提供更好的功能，但这是我用来解决大多数问题的模块。

我编写了以下内容，它适用于普通Python 2或Python 3

---

---

注:

• 支持“进度条”回调
• 从我的网站下载是一个4MB的test.zip

---

简单但

Python 2和Python 3

兼容方式附带

six

库：

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

---

如果速度对您很重要，我对模块

urllib

和

wget

进行了一次小型性能测试，关于

wget

，我使用状态栏和不使用状态栏分别进行了一次测试。我使用了三个不同的500MB文件进行测试（不同的文件-以消除引擎盖下进行缓存的可能性）。在debian机器上测试，使用python2

首先，这些是结果（它们在不同的运行中是相似的）：

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python3中最快的

你可以使用urllib3和shutil库。 使用pip或pip3下载它们（取决于python3是否为默认值）

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，您可以下载

urllib3

，但可以在Python 2和3上使用的代码中使用

urllib

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()

---

为了完整起见，还可以使用

子流程

包调用任何程序来检索文件。专用于检索文件的程序比Python函数（如

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

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

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

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

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)

import urllib.request
url_request = urllib.request.Request(url, headers=headers)
url_connect = urllib.request.urlopen(url_request)

#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()

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()

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

$ 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
==============

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)

pip3 install urllib3 shutil

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)

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()

import subprocess
subprocess.check_output(['wget', '-O', 'example_output_file.html', 'https://example.com'])

!wget -O example_output_file.html https://example.com

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")

import dload
dload.save(url)

pip3 install dload

from subprocess import call
url = ""
call(["curl", {url}, '--output', "song.mp3"])