Sto creando un programma che scaricherà un file .jar (java) da un server Web, leggendo l'URL specificato nel file .jad dello stesso gioco / applicazione. Sto usando Python 3.2.1

Sono riuscito a estrarre l'URL del file JAR dal file JAD (ogni file JAD contiene l'URL nel file JAR), ma come puoi immaginare, il valore estratto è stringa type ().

Ecco la funzione rilevante:

def downloadFile(URL=None):
    import httplib2
    h = httplib2.Http(".cache")
    resp, content = h.request(URL, "GET")
    return content

downloadFile(URL_from_file)

Comunque ricevo sempre un errore che dice che il tipo nella funzione sopra deve essere byte e non stringa. Ho provato a utilizzare URL.encode ('utf-8') e anche i byte (URL, encoding = 'utf-8'), ma otterrei sempre lo stesso errore o simile.

Quindi in sostanza la mia domanda è come scaricare un file da un server quando l'URL è memorizzato in un tipo di stringa?

Se vuoi ottenere il contenuto di una pagina web in una variabile, solo readla risposta di urllib.request.urlopen:

import urllib.request
...
url = 'http://example.com/'
response = urllib.request.urlopen(url)
data = response.read()      # a `bytes` object
text = data.decode('utf-8') # a `str`; this step can't be used if data is binary

Il modo più semplice per scaricare e salvare un file è utilizzare la urllib.request.urlretrievefunzione:

import urllib.request
...
# Download the file from `url` and save it locally under `file_name`:
urllib.request.urlretrieve(url, file_name)

import urllib.request
...
# Download the file from `url`, save it in a temporary directory and get the
# path to it (e.g. '/tmp/tmpb48zma.txt') in the `file_name` variable:
file_name, headers = urllib.request.urlretrieve(url)

Ma tieni presente che urlretrieveè considerato legacy e potrebbe diventare deprecato (non so perché, però).

Quindi il modo più corretto per farlo sarebbe usare la urllib.request.urlopenfunzione per restituire un oggetto simile a un file che rappresenta una risposta HTTP e copiarlo in un file reale usando shutil.copyfileobj.

import urllib.request
import shutil
...
# Download the file from `url` and save it locally under `file_name`:
with urllib.request.urlopen(url) as response, open(file_name, 'wb') as out_file:
    shutil.copyfileobj(response, out_file)

Se questo sembra troppo complicato, potresti voler semplificare e memorizzare l'intero download in un bytesoggetto e quindi scriverlo in un file. Ma questo funziona bene solo per file di piccole dimensioni.

import urllib.request
...
# Download the file from `url` and save it locally under `file_name`:
with urllib.request.urlopen(url) as response, open(file_name, 'wb') as out_file:
    data = response.read() # a `bytes` object
    out_file.write(data)

È possibile estrarre .gz(e forse altri formati) i dati compressi al volo, ma tale operazione probabilmente richiede che il server HTTP supporti l'accesso casuale al file.

import urllib.request
import gzip
...
# Read the first 64 bytes of the file inside the .gz archive located at `url`
url = 'http://example.com/something.gz'
with urllib.request.urlopen(url) as response:
    with gzip.GzipFile(fileobj=response) as uncompressed:
        file_header = uncompressed.read(64) # a `bytes` object
        # Or do anything shown above using `uncompressed` instead of `response`.

Uso il requestspacchetto ogni volta che voglio qualcosa relativo alle richieste HTTP perché la sua API è molto facile da iniziare con:

per prima cosa installa requests

$ pip install requests

quindi il codice:

from requests import get  # to make GET request


def download(url, file_name):
    # open in binary mode
    with open(file_name, "wb") as file:
        # get request
        response = get(url)
        # write to file
        file.write(response.content)

Spero di aver capito bene la domanda, ovvero: come scaricare un file da un server quando l'URL è archiviato in un tipo di stringa?

Scarica i file e li salvo localmente utilizzando il codice seguente:

import requests

url = 'https://www.python.org/static/img/python-logo.png'
fileName = 'D:\Python\dwnldPythonLogo.png'
req = requests.get(url)
file = open(fileName, 'wb')
for chunk in req.iter_content(100000):
    file.write(chunk)
file.close()

Qui possiamo usare l'interfaccia Legacy di urllib in Python3:

Le seguenti funzioni e classi sono portate dall'urllib del modulo Python 2 (al contrario di urllib2). Potrebbero diventare deprecati ad un certo punto in futuro.

Esempio (codice a 2 righe) :

import urllib.request

url = 'https://www.python.org/static/img/python-logo.png'
urllib.request.urlretrieve(url, "logo.png")

Puoi usare wget che è il popolare strumento di download shell per quello. https://pypi.python.org/pypi/wget Questo sarà il metodo più semplice poiché non è necessario aprire il file di destinazione. Ecco un esempio

import wget
url = 'https://i1.wp.com/python3.codes/wp-content/uploads/2015/06/Python3-powered.png?fit=650%2C350'  
wget.download(url, '/Users/scott/Downloads/cat4.jpg') 

Sì, le richieste definitive sono un ottimo pacchetto da utilizzare in qualcosa correlato alle richieste HTTP. ma dobbiamo stare attenti al tipo di codifica dei dati in arrivo e anche di seguito un esempio che spiega la differenza

from requests import get

# case when the response is byte array
url = 'some_image_url'

response = get(url)
with open('output', 'wb') as file:
    file.write(response.content)


# case when the response is text
# Here unlikely if the reponse content is of type **iso-8859-1** we will have to override the response encoding
url = 'some_page_url'

response = get(url)
# override encoding by real educated guess as provided by chardet
r.encoding = r.apparent_encoding

with open('output', 'w', encoding='utf-8') as file:
    file.write(response.content)

Motivazione

A volte, vogliamo ottenere l'immagine ma non è necessario scaricarla su file reali,

ad esempio, scaricare i dati e tenerli in memoria.

Ad esempio, se utilizzo il metodo di apprendimento automatico, forma un modello in grado di riconoscere un'immagine con il numero (codice a barre).

Quando eseguo lo spidering di alcuni siti Web che contengono tali immagini in modo da poter utilizzare il modello per riconoscerlo,

e non voglio salvare quelle immagini sul mio disco rigido,

quindi puoi provare il metodo seguente per aiutarti a mantenere i dati di download in memoria.

Punti

import requests
from io import BytesIO
response = requests.get(url)
with BytesIO as io_obj:
    for chunk in response.iter_content(chunk_size=4096):
        io_obj.write(chunk)

in sostanza, è come @Ranvijay Kumar

Un esempio

import requests
from typing import NewType, TypeVar
from io import StringIO, BytesIO
import matplotlib.pyplot as plt
import imageio

URL = NewType('URL', str)
T_IO = TypeVar('T_IO', StringIO, BytesIO)


def download_and_keep_on_memory(url: URL, headers=None, timeout=None, **option) -> T_IO:
    chunk_size = option.get('chunk_size', 4096)  # default 4KB
    max_size = 1024 ** 2 * option.get('max_size', -1)  # MB, default will ignore.
    response = requests.get(url, headers=headers, timeout=timeout)
    if response.status_code != 200:
        raise requests.ConnectionError(f'{response.status_code}')

    instance_io = StringIO if isinstance(next(response.iter_content(chunk_size=1)), str) else BytesIO
    io_obj = instance_io()
    cur_size = 0
    for chunk in response.iter_content(chunk_size=chunk_size):
        cur_size += chunk_size
        if 0 < max_size < cur_size:
            break
        io_obj.write(chunk)
    io_obj.seek(0)
    """ save it to real file.
    with open('temp.png', mode='wb') as out_f:
        out_f.write(io_obj.read())
    """
    return io_obj


def main():
    headers = {
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3',
        'Accept-Encoding': 'gzip, deflate',
        'Accept-Language': 'zh-TW,zh;q=0.9,en-US;q=0.8,en;q=0.7',
        'Cache-Control': 'max-age=0',
        'Connection': 'keep-alive',
        'Host': 'statics.591.com.tw',
        'Upgrade-Insecure-Requests': '1',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.87 Safari/537.36'
    }
    io_img = download_and_keep_on_memory(URL('http://statics.591.com.tw/tools/showPhone.php?info_data=rLsGZe4U%2FbphHOimi2PT%2FhxTPqI&type=rLEFMu4XrrpgEw'),
                                         headers,  # You may need this. Otherwise, some websites will send the 404 error to you.
                                         max_size=4)  # max loading < 4MB
    with io_img:
        plt.rc('axes.spines', top=False, bottom=False, left=False, right=False)
        plt.rc(('xtick', 'ytick'), color=(1, 1, 1, 0))  # same of plt.axis('off')
        plt.imshow(imageio.imread(io_img, as_gray=False, pilmode="RGB"))
        plt.show()


if __name__ == '__main__':
    main()

from urllib import request

def get(url):
    with request.urlopen(url) as r:
        return r.read()


def download(url, file=None):
    if not file:
        file = url.split('/')[-1]
    with open(file, 'wb') as f:
        f.write(get(url))