Python从互联网地址下载所有文件？

Question

我想从 Internet 页面下载所有文件，实际上是所有图像文件。 我发现“urllib”模块正是我所需要的。如果您知道文件名，似乎有一种下载文件的方法，但我不知道。

urllib.urlretrieve('http://www.example.com/page', 'myfile.jpg')

有没有办法从页面下载所有文件并可能返回一个列表？

Answer 1

这是一个让您开始使用 BeautifulSoup 进行此类练习的小示例 - 您为该脚本提供一个 URL，它将打印出从 src 中该页面引用的图像的 URL。 img 的属性以 jpg 结尾的标签或 png :

import sys, urllib, re, urlparse
from BeautifulSoup import BeautifulSoup

if not len(sys.argv) == 2:
    print >> sys.stderr, "Usage: %s <URL>" % (sys.argv[0],)
    sys.exit(1)

url = sys.argv[1]

f = urllib.urlopen(url)
soup = BeautifulSoup(f)
for i in soup.findAll('img', attrs={'src': re.compile('(?i)(jpg|png)$')}):
    full_url = urlparse.urljoin(url, i['src'])
    print "image URL: ", full_url

然后你可以使用urllib.urlretrieve下载 full_url 指向的每个图像，但在那个阶段你必须决定如何命名它们以及如何处理下载的图像，这在你的问题中没有指定。