通过urllib和python下载图片答案

【问题标题】：Downloading a picture via urllib and python通过urllib和python下载图片
【发布时间】：2011-03-03 20:01:09
【问题描述】：

所以我正在尝试制作一个 Python 脚本来下载网络漫画并将它们放在我桌面上的文件夹中。我在这里找到了一些类似的程序，它们做类似的事情，但与我需要的完全不同。我发现最相似的一个就在这里（http://bytes.com/topic/python/answers/850927-problem-using-urllib-download-images）。我尝试使用此代码：

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

然后我在我的电脑上搜索了一个文件“00000001.jpg”，但我只找到了它的缓存图片。我什至不确定它是否将文件保存到我的计算机上。一旦我了解了如何下载文件，我想我就知道如何处理其余的了。基本上只是使用for循环并将字符串拆分为'00000000'.'jpg'并将'00000000'增加到最大数字，我必须以某种方式确定。有关执行此操作的最佳方法或如何正确下载文件的任何建议？

谢谢！

2010 年 6 月 15 日编辑

这是完成的脚本，它将文件保存到您选择的任何目录。出于某种奇怪的原因，文件没有下载，它们只是下载了。任何有关如何清理它的建议将不胜感激。我目前正在研究如何找出网站上存在的许多漫画，这样我就可以获得最新的漫画，而不是在引发一定数量的异常后退出程序。

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

【问题讨论】：

好的，我都下载好了！现在我陷入了一个非常不雅的解决方案来确定有多少漫画在线......我基本上将程序运行到我知道超过漫画数量的数字，然后在漫画没有出现时运行异常'不存在，并且当异常出现两次以上时（因为我认为不会丢失超过两本漫画），它会退出程序，认为没有更多可下载的了。由于我无法访问该网站，是否有确定网站上有多少文件的最佳方法？稍后我会发布我的代码。
creativebe.com/icombiner/merge-jpg.html 我使用该程序将所有 .jpg 文件合并为一个 PDF。效果很棒，而且是免费的！
考虑将您的解决方案作为答案发布，并将其从问题中删除。问题帖子用于提问，回答帖子用于答案:-)
为什么用 beautifulsoup 标记？这篇文章显示在顶部beautifulsoup问题列表中
@P0W 我已经删除了讨论的标签。

标签： python urllib2 urllib

【解决方案1】：

Python 2

使用urllib.urlretrieve

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

Python 3

使用urllib.request.urlretrieve（Python 3 遗留接口的一部分，工作方式完全相同）

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

【讨论】：

当作为参数传递时，它似乎切断了我的文件扩展名（扩展名存在于原始 URL 中）。知道为什么吗？
@JeffThompson，没有。该示例（在我的回答中）是否适合您（它适用于 Python 2.7.8）？请注意它是如何为本地文件显式指定扩展名的。
你的，是的。我想我假设如果没有给出文件扩展名，则将附加文件的扩展名。当时这对我来说是有道理的，但我想现在我明白发生了什么。
当我想将它下载到当前文件时，这似乎不起作用...为什么？
似乎如果你从 pycharm 的控制台运行它，谁知道当前文件夹在哪里......

【解决方案2】：

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

【讨论】：

【解决方案3】：

仅作记录，使用请求库。

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

虽然它应该检查 requests.get() 错误。

【讨论】：

即使这个解决方案没有使用 urllib，你可能已经在你的 python 脚本中使用了 requests 库（这是我在搜索这个时的情况），所以你可能也想使用它来拿你的照片。
感谢您将此答案发布在其他答案之上。我最终需要自定义标头才能让我的下载工作，并且指向请求库的指针大大缩短了让一切为我工作的过程。
甚至无法让 urllib 在 python3 中工作。请求没有问题，并且已经加载！我认为是更好的选择。
@user3023715 在 python3 中你需要从 urllib 导入请求 see here

【解决方案4】：

对于 Python 3，您需要导入 import urllib.request:

import urllib.request 

urllib.request.urlretrieve(url, filename)

更多信息请查看link

【讨论】：

【解决方案5】：

@DiGMi 答案的 Python 3 版本：

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

【讨论】：

【解决方案6】：

我找到了这个answer，并以更可靠的方式对其进行了编辑

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

从此您在下载时永远不会获得任何其他资源或异常。

【讨论】：

你应该删除'self'

【解决方案7】：

如果您知道这些文件与网站site 位于同一目录dir 并具有以下格式：filename_01.jpg, ..., filename_10.jpg 然后下载所有文件：

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()

【讨论】：

【解决方案8】：

最简单的方法是使用.read() 读取部分或全部响应，然后将其写入您在已知正确位置打开的文件中。

【讨论】：

【解决方案9】：

也许您需要“用户代理”：

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()

【讨论】：

可能页面不可用？

【解决方案10】：

除了建议您仔细阅读 retrieve() 的文档 (http://docs.python.org/library/urllib.html#urllib.URLopener.retrieve)，我还建议您在响应内容上实际调用 read()，然后将其保存到您选择的文件中，而不是离开它在检索创建的临时文件中。

【讨论】：

【解决方案11】：

以上所有代码，不允许保留原始图像名称，这有时是必需的。这将有助于将图像保存到本地驱动器，保留原始图像名称

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

Try this 了解更多详情。

【讨论】：

【解决方案12】：

这对我使用 python 3 有效。

它从 csv 文件中获取 URL 列表并开始将它们下载到文件夹中。如果内容或图像不存在，它会接受该异常并继续发挥它的魔力。

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!")

【讨论】：

【解决方案13】：

一个更简单的解决方案可能是（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;

【讨论】：

小心使用裸机，除非这样，请参阅stackoverflow.com/questions/54948548/…。

【解决方案14】：

使用 urllib，您可以立即完成。

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")

【讨论】：

【解决方案15】：

根据urllib.request.urlretrieve — Python 3.9.2 documentation，该函数是从Python 2 模块urllib（而不是urllib2）移植而来的。它可能会在将来的某个时候被弃用。

因此，使用requests.get(url, params=None, **kwargs) 可能会更好。这是一个 MWE。

import requests
 
url = 'http://example.com/example.jpg'

response = requests.get(url)

with open(filename, "wb") as f:
    f.write(response.content)

请参阅Downlolad Google’s WebP Images via Take Screenshots with Selenium WebDriver。

【讨论】：

【解决方案16】：

这个呢：

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()

【讨论】：

【解决方案17】：

如果您需要代理支持，您可以这样做：

  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 )

【讨论】：

【解决方案18】：

另一种方法是通过 fastai 库。这对我来说就像一个魅力。我使用urlretrieve 面对SSL: CERTIFICATE_VERIFY_FAILED Error，所以我尝试了。

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

【讨论】：

我遇到了 SSL：CERTIFICATE_VERIFY_FAILED 错误 stackoverflow.com/questions/27835619/…

【解决方案19】：

使用请求

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)

【讨论】：

【解决方案20】：

而如果你想下载类似网站目录结构的图片，你可以这样做：

    result_path = './result/'
    soup = BeautifulSoup(self.file, 'css.parser')
    for image in soup.findAll("img"):
        image["name"] = image["src"].split("/")[-1]
        image['path'] = image["src"].replace(image["name"], '')
        os.makedirs(result_path + image['path'], exist_ok=True)
        if image["src"].lower().startswith("http"):
            urlretrieve(image["src"], result_path + image["src"][1:])
        else:
            urlretrieve(url + image["src"], result_path + image["src"][1:])

【讨论】：