您的位置：首页 > 大数据 > 人工智能

urlretrieve() 函数http://www.nowamagic.net/academy/detail/1302861

2016-03-12 22:05 495 查看
下面我们再来看看
urllib 模块提供的 urlretrieve() 函数。urlretrieve() 方法直接将远程数据下载到本地。

1
>>>
help
(urllib.urlretrieve)
2
Help
on function urlretrieve
in
module urllib:
3
4
urlretrieve(url,filename
=
None
,reporthook
=
None
,
data
=
None
)
参数 finename 指定了保存本地路径（如果参数未指定，urllib会生成一个临时文件保存数据。）
参数 reporthook 是一个回调函数，当连接上服务器、以及相应的数据块传输完毕时会触发该回调，我们可以利用这个回调函数来显示当前的下载进度。
参数 data指 post 到服务器的数据，该方法返回一个包含两个元素的(filename,headers)元组，filename 表示保存到本地的路径，header 表示服务器的响应头。

下面通过例子来演示一下这个方法的使用，这个例子将 google 的 html 抓取到本地，保存在 D:/google.html 文件中，同时显示下载的进度。

01
import
urllib
02
def
cbk(a,b,c):
03
'''回调函数
04
@a: 已经下载的数据块
05
@b: 数据块的大小
06
@c: 远程文件的大小
07
'''
 
08
per

=
 
100.0
 
*
 
a
*
 
b
/
 
c
09
if

per> 
100
:
10
per

=
 
100
 
11
print

'%.2f%%'
 
%
 
per
12
 
13
url
=

'http://www.google.com'
14
local
=

'd://google.html'
15
urllib.urlretrieve(url,local,cbk)
在 PythonShell 里执行如下：

01
Python
2.7
.
5

(default,May
15
 
2013
,
22
:
44
:
16
) [MSC v.
1500

64
 
bit (AMD64)] on win32
02
Type
 
"copyright"
,
"credits"
 
or
 
"license()"
 
for
 
more information.
03
>>>
import

urllib
04
>>>
def

cbk(a,b,c):
05
'''回调函数
06
@a: 已经下载的数据块
07
@b: 数据块的大小
08
@c: 远程文件的大小
09
'''
 
10
per

=
 
100.0
 
*
 
a
*
 
b
/
 
c
11
if

per> 
100
:
12
per

=
 
100
 
13
print

'%.2f%%'
 
%
 
per
14
15
 
16
>>>url
=

'http://www.google.com'
17
>>>local
=

'd://google.html'
18
>>>urllib.urlretrieve(url,local,cbk)
19
-
0.00
%
20
-
819200.00
%
21
-
1638400.00
%
22
-
2457600.00
%
23
(
'd://google.html'
,<httplib.HTTPMessage instance at
0x0000000003450608
>)
24
>>>
下面是
urlretrieve() 下载文件实例，可以显示下载进度。

01
#!/usr/bin/python
02
#encoding:utf-8
03
import
 
urllib
04
import
 
os
05
def
 
Schedule(a,b,c):
06
'''''
07
a:已经下载的数据块
08
b:数据块的大小
09
c:远程文件的大小
10
 
'''
11
per

=
 
100.0
 
*
 
a
*
 
b
/
 
c
12
if

per> 
100
 
:
13
per

=
 
100
14
print

'%.2f%%'
 
%
 
per
15
url
=

'http://www.python.org/ftp/python/2.7.5/Python-2.7.5.tar.bz2'
16
#local= url.split('/')[-1]
17
local
=

os.path.join(
'/data/software'
,
'Python-2.7.5.tar.bz2'
)
18
urllib.urlretrieve(url,local,Schedule)
19
######output######
20
#0.00%
21
#0.07%
22
#0.13%
23
#0.20%
24
#....
25
#99.94%
26
#100.00%
通过上面的练习可以知道，urlopen() 可以轻松获取远端 html 页面信息，然后通过 python 正则对所需要的数据进行分析，匹配出想要用的数据，在利用urlretrieve() 将数据下载到本地。对于访问受限或者对连接数有限制的远程 url地址可以采用 proxies（代理的方式）连接，如果远程数据量过大，单线程下载太慢的话可以采用多线程下载，这个就是传说中的爬虫。
                                            

                                        

                        
                        内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息 
                    

                    

                    

                        

                         标签： 
                                                

                        

                    


                

            


            

                
相关文章推荐

                

                
            

        

        

            

            
            

                

                    
新的分享

                    

                        
                    

                

            


            

                

                    
章节导航