Скачивание картинки через urllib и python


184

Поэтому я пытаюсь создать скрипт Python, который загружает веб-комиксы и помещает их в папку на моем рабочем столе. Я нашел несколько подобных программ, которые делают что-то похожее, но не совсем то, что мне нужно. Тот, который я нашел наиболее похожим, находится прямо здесь ( http://bytes.com/topic/python/answers/850927-problem-using-urllib-download-images ). Я пытался использовать этот код:

>>> import urllib
>>> image = urllib.URLopener()
>>> image.retrieve("http://www.gunnerkrigg.com//comics/00000001.jpg","00000001.jpg")
('00000001.jpg', <httplib.HTTPMessage instance at 0x1457a80>)

Затем я искал на своем компьютере файл «00000001.jpg», но все, что я нашел, было его кэшированное изображение. Я даже не уверен, что он сохранил файл на моем компьютере. Как только я понимаю, как загрузить файл, я думаю, что знаю, как справиться с остальным. По сути, просто используйте цикл for и разделите строку на «00000000». «JPG» и увеличьте «00000000» до наибольшего числа, которое я должен был бы как-то определить. Любые рекомендации о том, как сделать это лучше или как правильно загрузить файл?

Спасибо!

РЕДАКТИРОВАТЬ 6/15/10

Вот готовый скрипт, он сохраняет файлы в любой каталог, который вы выберете. По какой-то странной причине файлы не загружались, а просто загружались. Любые предложения о том, как его почистить, будут высоко оценены. В настоящее время я работаю над тем, чтобы узнать, как много комиксов существует на сайте, чтобы я мог получить только самый последний, вместо того, чтобы заставлять программу закрываться после возникновения определенного числа исключений.

import urllib
import os

comicCounter=len(os.listdir('/file'))+1  # reads the number of files in the folder to start downloading at the next comic
errorCount=0

def download_comic(url,comicName):
    """
    download a comic in the form of

    url = http://www.example.com
    comicName = '00000000.jpg'
    """
    image=urllib.URLopener()
    image.retrieve(url,comicName)  # download comicName at URL

while comicCounter <= 1000:  # not the most elegant solution
    os.chdir('/file')  # set where files download to
        try:
        if comicCounter < 10:  # needed to break into 10^n segments because comic names are a set of zeros followed by a number
            comicNumber=str('0000000'+str(comicCounter))  # string containing the eight digit comic number
            comicName=str(comicNumber+".jpg")  # string containing the file name
            url=str("http://www.gunnerkrigg.com//comics/"+comicName)  # creates the URL for the comic
            comicCounter+=1  # increments the comic counter to go to the next comic, must be before the download in case the download raises an exception
            download_comic(url,comicName)  # uses the function defined above to download the comic
            print url
        if 10 <= comicCounter < 100:
            comicNumber=str('000000'+str(comicCounter))
            comicName=str(comicNumber+".jpg")
            url=str("http://www.gunnerkrigg.com//comics/"+comicName)
            comicCounter+=1
            download_comic(url,comicName)
            print url
        if 100 <= comicCounter < 1000:
            comicNumber=str('00000'+str(comicCounter))
            comicName=str(comicNumber+".jpg")
            url=str("http://www.gunnerkrigg.com//comics/"+comicName)
            comicCounter+=1
            download_comic(url,comicName)
            print url
        else:  # quit the program if any number outside this range shows up
            quit
    except IOError:  # urllib raises an IOError for a 404 error, when the comic doesn't exist
        errorCount+=1  # add one to the error count
        if errorCount>3:  # if more than three errors occur during downloading, quit the program
            break
        else:
            print str("comic"+ ' ' + str(comicCounter) + ' ' + "does not exist")  # otherwise say that the certain comic number doesn't exist
print "all comics are up to date"  # prints if all comics are downloaded

Хорошо, я получил их все для загрузки! Теперь я застрял с очень не элегантным решением для определения количества комиксов в сети ... Я в основном запускаю программу на число, которое, как я знаю, превышает количество комиксов, а затем запускаю исключение, которое появляется, когда комиксы не появляются. не существует, и когда исключение возникает более двух раз (так как я не думаю, что будет пропущено более двух комиксов), оно выходит из программы, думая, что больше не нужно ничего скачивать. Так как у меня нет доступа к сайту, есть ли лучший способ определить, сколько файлов на сайте? Я опубликую свой код через секунду.
Майк

creativebe.com/icombiner/merge-jpg.html Я использовал эту программу, чтобы объединить все файлы .jpg в один PDF. Работает потрясающе, и это бесплатно!
Майк

7
Вы можете опубликовать свое решение в качестве ответа и удалить его из вопроса. Посты для вопросов предназначены для того, чтобы задавать вопросы, отвечайте на посты для ответов :-)
BartoszKP

почему это помечено beautifulsoup? Это сообщение отображается в списке самых популярных beautifulsoupвопросов
P0W

1
@ P0W Я удалил обсуждаемый тег.
kmonsoor

Ответы:


252

Python 2

Использование urllib.urlretrieve

import urllib
urllib.urlretrieve("http://www.gunnerkrigg.com//comics/00000001.jpg", "00000001.jpg")

Python 3

Использование urllib.request.urlretrieve (часть устаревшего интерфейса Python 3, работает точно так же)

import urllib.request
urllib.request.urlretrieve("http://www.gunnerkrigg.com//comics/00000001.jpg", "00000001.jpg")

Похоже, что для меня это расширение файла при передаче в качестве аргумента (расширение присутствует в исходном URL). Есть идеи почему?
ДжеффТомпсон

1
Ваш, да. Я думаю, я предполагал, что если расширение файла не было задано, расширение файла будет добавлено. В то время это имело смысл для меня, но теперь я понимаю, что происходит.
ДжеффТомпсон

65
Примечание для Python 3, вам необходимо импортировать [url.request] ( docs.python.org/3.0/library/… ):import urllib.request urllib.request.retrieve("http://...")
wasabigeek

1
Обратите внимание, что список документов Python 3 retrieve () является частью «устаревшего интерфейса», и говорят, что в будущем он может устареть.
Натан Уэйлс

18
Примечание для Python 3 это на самом деле import urllib.request urllib.request.urlretrieve("http://...jpg", "1.jpg"). Это urlretrieveтеперь , как из 3.x.
user1032613

81
import urllib
f = open('00000001.jpg','wb')
f.write(urllib.urlopen('http://www.gunnerkrigg.com//comics/00000001.jpg').read())
f.close()

70

Просто для записи, используя библиотеку запросов.

import requests
f = open('00000001.jpg','wb')
f.write(requests.get('http://www.gunnerkrigg.com//comics/00000001.jpg').content)
f.close()

Хотя он должен проверять наличие запросов .get ().


1
Даже если это решение не использует urllib, вы, возможно, уже используете библиотеку запросов, уже имеющуюся в вашем скрипте Python (это был мой случай при поиске этого), так что вы можете использовать ее, чтобы получить свои изображения.
Ям Зеш

Спасибо за размещение этого ответа поверх других. В итоге мне потребовались пользовательские заголовки, чтобы заставить мою загрузку работать, и указатель на библиотеку запросов значительно сократил процесс получения всей работы для меня.
kuzzooroo

Не удалось даже заставить urllib работать в python3. Запросы не было проблем, и он уже загружен! Гораздо лучший выбор, который я считаю.
user3023715

@ user3023715 в python3 вам нужно импортировать запрос от urllib, смотрите здесь
Yassine Sedrani

34

Для Python 3 вам нужно будет импортировать import urllib.request:

import urllib.request 

urllib.request.urlretrieve(url, filename)

для получения дополнительной информации проверьте ссылку


15

Версия @ DiGMi для Python 3:

from urllib import request
f = open('00000001.jpg', 'wb')
f.write(request.urlopen("http://www.gunnerkrigg.com/comics/00000001.jpg").read())
f.close()

10

Я нашел этот ответ и редактирую его более надежным способом

def download_photo(self, img_url, filename):
    try:
        image_on_web = urllib.urlopen(img_url)
        if image_on_web.headers.maintype == 'image':
            buf = image_on_web.read()
            path = os.getcwd() + DOWNLOADED_IMAGE_PATH
            file_path = "%s%s" % (path, filename)
            downloaded_image = file(file_path, "wb")
            downloaded_image.write(buf)
            downloaded_image.close()
            image_on_web.close()
        else:
            return False    
    except:
        return False
    return True

Из этого вы никогда не получите никаких других ресурсов или исключений при загрузке.


1
Вы должны удалить «себя»
Euphe

8

Если вы знаете, что файлы находятся в одном каталоге dirвеб-сайта siteи имеют следующий формат: filename_01.jpg, ..., filename_10.jpg, загрузите их все:

import requests

for x in range(1, 10):
    str1 = 'filename_%2.2d.jpg' % (x)
    str2 = 'http://site/dir/filename_%2.2d.jpg' % (x)

    f = open(str1, 'wb')
    f.write(requests.get(str2).content)
    f.close()

7

Проще всего просто .read()прочитать частичный или полный ответ, а затем записать его в файл, который вы открыли в известном хорошем месте.


5

Может быть, вам нужен 'User-Agent':

import urllib2
opener = urllib2.build_opener()
opener.addheaders = [('User-Agent', 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/34.0.1847.137 Safari/537.36')]
response = opener.open('http://google.com')
htmlData = response.read()
f = open('file.txt','w')
f.write(htmlData )
f.close()

Может быть, страница недоступна?
Александр

3

Помимо того, что я предлагаю вам внимательно прочитать документы retrieve()( http://docs.python.org/library/urllib.html#urllib.URLopener.retrieve ), я бы предложил на самом деле вызвать read()содержание ответа, а затем сохранить его в файл по вашему выбору, а не оставлять его во временном файле, который создает извлечение.


3

Все вышеперечисленные коды не позволяют сохранить оригинальное имя изображения, которое иногда требуется. Это поможет в сохранении изображений на локальном диске, сохраняя оригинальное имя изображения

    IMAGE = URL.rsplit('/',1)[1]
    urllib.urlretrieve(URL, IMAGE)

Попробуйте это для более подробной информации.


3

Это сработало для меня, используя Python 3.

Он получает список URL-адресов из CSV-файла и начинает загружать их в папку. Если контент или изображение не существует, он принимает это исключение и продолжает творить чудеса.

import urllib.request
import csv
import os

errorCount=0

file_list = "/Users/$USER/Desktop/YOUR-FILE-TO-DOWNLOAD-IMAGES/image_{0}.jpg"

# CSV file must separate by commas
# urls.csv is set to your current working directory make sure your cd into or add the corresponding path
with open ('urls.csv') as images:
    images = csv.reader(images)
    img_count = 1
    print("Please Wait.. it will take some time")
    for image in images:
        try:
            urllib.request.urlretrieve(image[0],
            file_list.format(img_count))
            img_count += 1
        except IOError:
            errorCount+=1
            # Stop in case you reach 100 errors downloading images
            if errorCount>100:
                break
            else:
                print ("File does not exist")

print ("Done!")

2

Более простое решение может быть (Python 3):

import urllib.request
import os
os.chdir("D:\\comic") #your path
i=1;
s="00000000"
while i<1000:
    try:
        urllib.request.urlretrieve("http://www.gunnerkrigg.com//comics/"+ s[:8-len(str(i))]+ str(i)+".jpg",str(i)+".jpg")
    except:
        print("not possible" + str(i))
    i+=1;

Будьте осторожны с использованием голых, кроме как это, см. Stackoverflow.com/questions/54948548/… .
AMC

1

Как насчет этого:

import urllib, os

def from_url( url, filename = None ):
    '''Store the url content to filename'''
    if not filename:
        filename = os.path.basename( os.path.realpath(url) )

    req = urllib.request.Request( url )
    try:
        response = urllib.request.urlopen( req )
    except urllib.error.URLError as e:
        if hasattr( e, 'reason' ):
            print( 'Fail in reaching the server -> ', e.reason )
            return False
        elif hasattr( e, 'code' ):
            print( 'The server couldn\'t fulfill the request -> ', e.code )
            return False
    else:
        with open( filename, 'wb' ) as fo:
            fo.write( response.read() )
            print( 'Url saved as %s' % filename )
        return True

##

def main():
    test_url = 'http://cdn.sstatic.net/stackoverflow/img/favicon.ico'

    from_url( test_url )

if __name__ == '__main__':
    main()

0

Если вам нужна поддержка прокси, вы можете сделать это:

  if needProxy == False:
    returnCode, urlReturnResponse = urllib.urlretrieve( myUrl, fullJpegPathAndName )
  else:
    proxy_support = urllib2.ProxyHandler({"https":myHttpProxyAddress})
    opener = urllib2.build_opener(proxy_support)
    urllib2.install_opener(opener)
    urlReader = urllib2.urlopen( myUrl ).read() 
    with open( fullJpegPathAndName, "w" ) as f:
      f.write( urlReader )

0

Еще один способ сделать это через библиотеку fastai. Это сработало как обаяние для меня. Я столкнулся с SSL: CERTIFICATE_VERIFY_FAILED Errorиспользованием, urlretrieveпоэтому я попробовал это.

url = 'https://www.linkdoesntexist.com/lennon.jpg'
fastai.core.download_url(url,'image1.jpg', show_progress=False)

Я столкнулся с SSL: CERTIFICATE_VERIFY_FAILED Ошибка stackoverflow.com/questions/27835619/…
AMC

0

Использование запросов

import requests
import shutil,os

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
}
currentDir = os.getcwd()
path = os.path.join(currentDir,'Images')#saving images to Images folder

def ImageDl(url):
    attempts = 0
    while attempts < 5:#retry 5 times
        try:
            filename = url.split('/')[-1]
            r = requests.get(url,headers=headers,stream=True,timeout=5)
            if r.status_code == 200:
                with open(os.path.join(path,filename),'wb') as f:
                    r.raw.decode_content = True
                    shutil.copyfileobj(r.raw,f)
            print(filename)
            break
        except Exception as e:
            attempts+=1
            print(e)

if __name__ == '__main__':
    ImageDl(url)

0

Используя urllib, вы можете сделать это мгновенно.

import urllib.request

opener=urllib.request.build_opener()
opener.addheaders=[('User-Agent','Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/36.0.1941.0 Safari/537.36')]
urllib.request.install_opener(opener)

urllib.request.urlretrieve(URL, "images/0.jpg")
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.