如何下载网站中可用的所有数据文件夹？

Question

一般来说，如果网站显示一系列指向包含文件夹的数据的链接（即带有经济数据的电子表格），我如何编写一个程序来识别所有链接并下载数据？

特别是，我正在尝试下载本网站https://www.ngdc.noaa.gov/eog/viirs/download_dnb_composites.html中从2012年到2018年的所有文件夹

我尝试了下面建议的方法，但似乎没有下载到数据的链接。

my_target='https://www.ngdc.noaa.gov/eog/viirs/download_dnb_composites.html'


import requests
from bs4 import BeautifulSoup

r  = requests.get(my_target)
data = r.text
soup = BeautifulSoup(data)

links=[]
for link in soup.find_all('a'):
    links.append(link.get('href'))
    print(link.get('href'))

在附加到链接的所有 URL 中，没有一个指向数据。

最后，即使我有正确的链接，如何使用它们来实际下载文件？

非常感谢！ ;)

Answer 1

这是一个典型的网络抓取任务。

• 使用requests下载页面

• 然后使用beutifulsoup解析内容并提取URL

• 您现在可以使用提取的 URL 和 requests 下载文件