使用 python mechanize 下载 zip 文件

Question

我正在使用 Python 2.7、mechanize 和 beautifulsoup，如果有帮助，我可以使用 urllib

好的，我正在尝试下载不同 html 表中的几个不同的 zip 文件。我知道特定文件在哪些表中（我知道它们是否在第一个、第二个、第三个......表中）
这是网页中 html 格式的第二个表格：

<table class="fe-form" cellpadding="0" cellspacing="0" border="0" width="50%">
            <tr>
                <td colspan="2"><h2>Eligibility List</h2></td>
            </tr>


            <tr>
                <td><b>Eligibility File for Met-Ed</b> - 
                <a href="/content/fecorp/supplierservices/eligibility_list.suppliereligibility.html?id=ME&ftype=1&fname=cmb_me_elig_lst_06_2013.zip">cmb_me_elig_lst_06_2013.zip</td>
            </tr>



            <tr>
                <td><b>Eligibility File for Penelec</b> - 
                <a href="/content/fecorp/supplierservices/eligibility_list.suppliereligibility.html?id=PN&ftype=1&fname=cmb_pn_elig_lst_06_2013.zip">cmb_pn_elig_lst_06_2013.zip</td>
            </tr>



            <tr>
                <td><b>Eligibility File for Penn Power</b> - 
                <a href="/content/fecorp/supplierservices/eligibility_list.suppliereligibility.html?id=PP&ftype=1&fname=cmb_pennelig_06_2013.zip">cmb_pennelig_06_2013.zip</td>
            </tr>



            <tr>
                <td><b>Eligibility File for West Penn Power</b> - 
                <a href="/content/fecorp/supplierservices/eligibility_list.suppliereligibility.html?id=WP&ftype=1&fname=cmb_wp_elig_lst_06_2013.zip">cmb_wp_elig_lst_06_2013.zip</td>
            </tr>


            <tr>
                <td>&nbsp;</td>
            </tr>
        </table>

我打算使用以下代码进入第二张桌子：

from bs4 import BeautifulSoup
html= br.response().read()
soup = BeautifulSoup(html)
table = soup.find("table", class=fe-form)

我猜 class="fe-form" 是错误的，因为它不起作用，但是该表没有其他属性可以将其与其他表区分开来。所有表格都有 cellpadding="0" cellspacing="0" border="0" width="50%"。我想我不能使用 find() 函数。

所以我试图进入第二张桌子，然后下载此页面上的文件。有人可以给我一些信息来推动我朝着正确的方向前进。我以前使用过表格，但没有使用过表格。我希望有某种方法可以找到我正在寻找的 zip 文件的特定标题，然后下载它们，因为我将永远知道它们的名称

感谢您的帮助， 汤姆

Answer 1

要选择您想要的表格，只需这样做

table = soup.find('table', attrs={'class' : 'fe-form', 'cellpadding' : '0' })

这假设您的文档中只有一个表格 class=fe-form 和 cellpadding=0。如果还有更多，此代码将仅选择第一个表。为了确保您没有忽略页面上的任何内容，您可以这样做

tables = soup.findAll('table', attrs={'class' : 'fe-form', 'cellpadding' : '0' })
table = tables[0]

并且可能断言 len(tables)==1 以确保只有一个表。

现在，要下载文件，您可以做很多事情。假设从你的代码中你已经加载了mechanize，你可以像

a_tags = table.findAll('a')

for a in a_tags:
  if '.zip' in a.get('href'):
    br.retrieve(a.get('href'), a.text)

这会将所有文件下载到您当前的工作目录并根据它们的链接文本命名。