python压缩文件,Django下载zip文件

简介: python使用zipfile压缩文件,Django使用临时文件夹tempfile下载其他文件,并压缩为zip文件返回给前端

python压缩文件

  • 使用zipfile

    import zipfile
    def convert_zip(zip_path, save_path):
        '''
        # zip_path 要压缩文件的路径
        # save_path 文件压缩后保存的路径
        '''
        local_path = os.path.join(zip_path, "x.xls")
        zip = zipfile.ZipFile(save_path, "w")  #  zipfile.ZIP_DEFLATED
        zip.write(local_path, 'x.xls')
        zip.close()
    
    convert_zip(zip_path, save_path)

Django下载zip文件

  • Django使用临时文件夹tempfile下载其他文件,并压缩为zip文件返回给前端
  • 使用BytesIO()tempfile下载

    import io
    def contract_download(download_urls):
        '''
        downloads_urls 要批量下载并且压缩的文件
        '''
        # 创建BytesIO
        s = io.BytesIO()
        # 创建一个临时文件夹用来保存下载的文件
        temp = tempfile.TemporaryDirectory()
        # 使用BytesIO生成压缩文件
        zip = zipfile.ZipFile(s, 'w')
        for i in download_urls:
            f_name = "{}.pdf".format(i['name'])
            local_path = os.path.join(temp.name, f_name)
            # 下载文件
            ur.urlretrieve(i['download_url'], local_path)
            # 把下载文件的写入压缩文件
            zip.write(local_path, f_name)
        # 关闭文件
        zip.close()
        # 指针回到初始位置,没有这一句前端得到的zip文件会损坏
        s.seek(0)
        # 用FileWrapper类来迭代器化一下文件对象,实例化出一个经过更适合大文件下载场景的文件对象,实现原理相当与把内容一点点从文件中读取,放到内存,下载下来,直到完成整个下载过程。这样内存就不会担心你一下子占用它那么多空间了。
        wrapper = FileWrapper(s)
        response = HttpResponse(wrapper, content_type='application/zip')
        response['Content-Disposition'] = 'attachment; filename={}.zip'.format(datetime.datetime.now().strftime("%Y-%m-%d"))
        return response
    
    download_urls = [{"name":"pdf1","download_url": "http://xxx.pdf"}, {"name":"pdf2", "download_url": "http://xxx2.pdf"}]
    contract_download(download_urls)

参考链接:时光不写博客-Django下载zip文件

相关文章
|
21小时前
|
数据处理 Python
Python 高级技巧:深入解析读取 Excel 文件的多种方法
在数据分析中,从 Excel 文件读取数据是常见需求。本文介绍了使用 Python 的三个库:`pandas`、`openpyxl` 和 `xlrd` 来高效处理 Excel 文件的方法。`pandas` 提供了简洁的接口,而 `openpyxl` 和 `xlrd` 则针对不同版本的 Excel 文件格式提供了详细的数据读取和处理功能。此外,还介绍了如何处理复杂格式(如合并单元格)和进行性能优化(如分块读取)。通过这些技巧,可以轻松应对各种 Excel 数据处理任务。
27 16
|
5天前
|
存储 Python
一文让你搞懂 Python 的 pyc 文件
一文让你搞懂 Python 的 pyc 文件
28 15
|
7天前
|
人工智能 IDE 开发工具
Python实行任意文件的加密—解密
Python实行任意文件的加密—解密
15 2
|
7天前
|
人工智能 IDE 开发工具
Python实行任意文件的加密—解密
Python实行任意文件的加密—解密
15 1
|
7天前
|
UED Python
Python requests库下载文件时展示进度条的实现方法
以上就是使用Python `requests`库下载文件时展示进度条的一种实现方法,它不仅简洁易懂,而且在实际应用中非常实用。
19 0
|
1天前
|
机器学习/深度学习 Linux Python
Python编程教学
Python教学
24 13
|
1天前
|
机器学习/深度学习 数据挖掘 开发者
探索Python编程:从基础到实战
【9月更文挑战第34天】在这篇文章中,我们将一起踏上Python编程的旅程。无论你是初学者还是有一定经验的开发者,这篇文章都将为你提供有价值的信息。我们将从Python的基础语法开始,逐步深入到更复杂的主题,如面向对象编程和网络应用开发。我们还将探讨如何在实际项目中应用这些知识,以及如何通过持续学习和实践来提高你的编程技能。让我们一起探索Python的世界,发现它的无限可能!
|
2天前
|
机器学习/深度学习 人工智能 数据可视化
Python比较适合哪些场景的编程?
Python比较适合哪些场景的编程?
14 7
|
1天前
|
大数据 Python
Python 高级编程:深入探索高级代码实践
本文深入探讨了Python的四大高级特性:装饰器、生成器、上下文管理器及并发与并行编程。通过装饰器,我们能够在不改动原函数的基础上增添功能;生成器允许按需生成值,优化处理大数据;上下文管理器确保资源被妥善管理和释放;多线程等技术则助力高效完成并发任务。本文通过具体代码实例详细解析这些特性的应用方法,帮助读者提升Python编程水平。
19 5
下一篇
无影云桌面