Requests
使用 Requests 模块的 get 方法从一个 url 上下载文件，在 python 爬虫中经常使用它下载简单的网页内容
import requests # 图片来自bing.com url = 'https://cn.bing.com/th?id=OHR.DerwentIsle_EN-CN8738104578_400x240.jpg' def requests_download(): content = requests.get(url).content with open('pic_requests.jpg', 'wb') as file: file.write(content)
urllib
使用 python 内置的 urllib 模块的 urlretrieve 方法直接将 url 请求保存成文件
from urllib import request # 图片来自bing.com url = 'https://cn.bing.com/th?id=OHR.DerwentIsle_EN-CN8738104578_400x240.jpg' def urllib_download(): request.urlretrieve(url, 'pic_urllib.jpg')
urllib3
urllib3 是一个用于 Http 客户端的 Python 模块，它使用连接池对网络进行请求访问
def urllib3_download(): # 创建一个连接池 poolManager = urllib3.PoolManager() resp = poolManager.request('GET', url) with open("pic_urllib3.jpg", "wb") as file: file.write(resp.data) resp.release_conn()
wget
在 Linux 系统中有 wget 命令，可以方便的下载网上的资源，Python 中也有相应的 wget 模块。使用 pip install 命令安装
import wget # 图片来自bing.com url = 'https://cn.bing.com/th?id=OHR.DerwentIsle_EN-CN8738104578_400x240.jpg' def wget_download(): wget.download(url, out='pic_wget.jpg')
也可以直接在命令行中使用 wget 命令
python -m wget https://cn.bing.com/th?id=OHR.DerwentIsle_EN-CN8738104578_400x240.jpg
分块下载大文件
在需要下载的文件非常大，电脑的内存空间完全不够用的情况下，可以使用 requests 模块的流模式，默认情况下 stream 参数为 False, 文件过大会导致内存不足。stream 参数为 True 的时候 requests 并不会立刻开始下载，只有在调用 iter_content 或者 iter_lines 遍历内容时下载
iter_content：一块一块的遍历要下载的内容 iter_lines：一行一行的遍历要下载的内容
import requests def steam_download(): # vscode 客户端 url = 'https://vscode.cdn.azure.cn/stable/e5a624b788d92b8d34d1392e4c4d9789406efe8f/VSCodeUserSetup-x64-1.51.1.exe' with requests.get(url, stream=True) as r: with open('vscode.exe', 'wb') as flie: # chunk_size 指定写入大小每次写入 1024 * 1024 bytes for chunk in r.iter_content(chunk_size=1024*1024): if chunk: flie.write(chunk)
进度条
在下载大文件的时候加上进度条美化下载界面，可以实时知道下载的网络速度和已经下载的文件大小，这里使用 tqdm 模块作为进度条显示，可以使用 pip install tqdm 安装
from tqdm import tqdm def tqdm_download(): url = 'https://vscode.cdn.azure.cn/stable/e5a624b788d92b8d34d1392e4c4d9789406efe8f/VSCodeUserSetup-x64-1.51.1.exe' resp = requests.get(url, stream=True) # 获取文件大小 file_size = int(resp.headers['content-length']) with tqdm(total=file_size, unit='B', unit_scale=True, unit_divisor=1024, ascii=True, desc='vscode.exe') as bar: with requests.get(url, stream=True) as r: with open('vscode.exe', 'wb') as fp: for chunk in r.iter_content(chunk_size=512): if chunk: fp.write(chunk) bar.update(len(chunk))
tqdm 参数说明：
- total：bytes，整个文件的大小
- unit='B': 按 bytes 为单位计算
- unit_scale=True：以 M 为单位显示速度
- unit_divisor=1024：文件大小和速度按 1024 除以，默认时按 1000 来除
- ascii=True：进度条的显示符号，用于兼容 windows 系统
- desc='vscode.exe' 进度条前面的文件名
示例结果
断点续传
HTTP/1.1 在协议的请求头中增加了一个名为 Range的字段域， Range 字段域让文件从已经下载的内容开始继续下载
如果网站支持 Range 字段域请求响应的状态码为 206(Partial Content)，否则为 416(Requested Range not satisfiable)
Range 的格式
Range:[unit=first byte pos] - [last byte pos]，即 Range = 开始字节位置-结束字节位置，单位：bytes
将 Range 加入到 headers 中
from tqdm import tqdm def duan_download(): url = 'https://vscode.cdn.azure.cn/stable/e5a624b788d92b8d34d1392e4c4d9789406efe8f/VSCodeUserSetup-x64-1.51.1.exe' r = requests.get(url, stream=True) # 获取文件大小 file_size = int(r.headers['content-length']) file_name = 'vscode.exe' # 如果文件存在获取文件大小，否在从 0 开始下载， first_byte = 0 if os.path.exists(file_name): first_byte = os.path.getsize(file_name) # 判断是否已经下载完成 if first_byte >= file_size: return # Range 加入请求头 header = {"Range": f"bytes={first_byte}-{file_size}"} # 加了一个 initial 参数 with tqdm(total=file_size, unit='B', initial=first_byte, unit_scale=True, unit_divisor=1024, ascii=True, desc=file_name) as bar: # 加 headers 参数 with requests.get(url, headers = header, stream=True) as r: with open(file_name, 'ab') as fp: for chunk in r.iter_content(chunk_size=512): if chunk: fp.write(chunk) bar.update(len(chunk))
示例结果
启动下载一段时间后，关闭脚本重新运行，文件在断开的内容后继续下载
总结
本文介绍了常用的 7 中文件下载方式，其他的下载方式大家可以在留言区交流交流共同进步
