Mengunduh gambar melalui urllib dan python

Jadi saya mencoba membuat skrip Python yang mengunduh webcomics dan meletakkannya di folder di desktop saya. Saya telah menemukan beberapa program serupa di sini yang melakukan sesuatu yang serupa, tetapi tidak seperti yang saya butuhkan. Yang saya temukan paling mirip ada di sini ( http://bytes.com/topic/python/answers/850927-problem-using-urllib-download-images ). Saya mencoba menggunakan kode ini:

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

Saya kemudian mencari file "00000001.jpg" di komputer saya, tetapi yang saya temukan hanyalah gambar cache. Saya bahkan tidak yakin itu menyimpan file ke komputer saya. Setelah saya mengerti bagaimana cara mengunduh file, saya pikir saya tahu bagaimana menangani sisanya. Pada dasarnya cukup gunakan for loop dan pisahkan string pada '00000000'. 'Jpg' dan tambahkan '00000000' hingga jumlah terbesar, yang entah bagaimana harus saya tentukan. Adakah rekomendasi tentang cara terbaik untuk melakukan ini atau cara mengunduh file dengan benar?

Terima kasih!

EDIT 6/15/10

Ini adalah skrip yang sudah selesai, menyimpan file ke direktori yang Anda pilih. Untuk beberapa alasan aneh, file tidak diunduh dan mereka baru saja melakukannya. Setiap saran tentang cara membersihkannya akan sangat dihargai. Saat ini saya sedang mencari tahu bagaimana menemukan banyak komik di situs ini sehingga saya bisa mendapatkan yang terbaru, daripada membiarkan program berhenti setelah sejumlah pengecualian muncul.

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

Python 2

Menggunakan urllib.urlretrieve

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

Python 3

Menggunakan urllib.request.urlretrieve (bagian dari antarmuka warisan Python 3, bekerja persis sama)

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

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

Hanya sebagai catatan, menggunakan perpustakaan permintaan.

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

Meskipun itu harus memeriksa kesalahan requests.get ().

Untuk Python 3 Anda harus mengimpor import urllib.request:

import urllib.request 

urllib.request.urlretrieve(url, filename)

untuk info lebih lanjut lihat tautannya

Versi Python 3 dari jawaban @ DiGMi:

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

Saya telah menemukan jawaban ini dan saya mengeditnya dengan cara yang lebih dapat diandalkan

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

Dari sini Anda tidak pernah mendapatkan sumber atau pengecualian lain saat mengunduh.

Jika Anda tahu bahwa file-file tersebut berada di direktori yang sama dirdengan situs web sitedan memiliki format berikut: filename_01.jpg, ..., filename_10.jpg lalu unduh semuanya:

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()

Cara termudah adalah cukup .read()dengan membaca sebagian atau seluruh respons, lalu menuliskannya ke file yang telah Anda buka di lokasi yang dikenal baik.

Mungkin Anda membutuhkan 'User-Agent':

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()

Selain menyarankan Anda membaca dokumen dengan retrieve()hati - hati ( http://docs.python.org/library/urllib.html#urllib.URLopener.retrieve ), saya akan menyarankan untuk benar-benar memanggil read()konten respons, dan kemudian menyimpannya ke dalam file pilihan Anda daripada meninggalkannya di file sementara yang mengambil buat.

Semua kode di atas, jangan izinkan untuk menyimpan nama gambar asli, yang kadang-kadang diperlukan. Ini akan membantu dalam menyimpan gambar ke drive lokal Anda, menjaga nama gambar asli

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

Coba ini untuk lebih jelasnya.

Ini bekerja untuk saya menggunakan python 3.

Ia mendapat daftar URL dari file csv dan mulai mengunduhnya ke dalam folder. Dalam hal konten atau gambar tidak ada, diperlukan pengecualian itu dan terus membuat keajaibannya.

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!")

Solusi yang lebih sederhana adalah (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;

Bagaimana dengan ini:

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()

Jika Anda memerlukan dukungan proxy, Anda dapat melakukan ini:

  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 )

Cara lain untuk melakukan ini adalah melalui perpustakaan fastai. Ini bekerja seperti pesona bagi saya. Saya menghadapi SSL: CERTIFICATE_VERIFY_FAILED Errorpenggunaan urlretrievejadi saya mencobanya.

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

Menggunakan permintaan

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)

Dengan menggunakan urllib, Anda bisa menyelesaikan ini secara instan.

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")