当前位置 博文首页 > xyl192960的博客:Python爬虫——下载文件以及tqdm进度条的使用
本篇内容知识点:
1.使用tqdm库对可迭代对象进行进度可视化操作
2.使用requests进行简单爬取并下载文件
可迭代对象什么意思:
以Python为例,可迭代对象的意思是指存储了元素的一个容器对象,且容器中的元素可以通过iter( )方法或getitem( )方法访问。并不是指某种具体的数据类型。常见的可迭代对象包括:集合数据类型,如list、tuple、dict、set、str等…
安装:
pip install tqdm
pip install requests
库安装问题在此不过多解释,出现问题自行查找其他资料
最常见的一套“下载模板”
import requests
url='某某文件路径'
response=requests.get(url) # 向地址发送一个get请求以获取响应对象
with open('文件名.后缀名','wb') as f:
f.write(date)
# wb:以二进制格式打开一个文件只用于写入。如果该文件已存在则打开文件,并从开头开始编辑,
# 即原有内容会被删除。如果该文件不存在,创建新文件。一般用于非文本文件如图片等。
#更多文件打开的模式:https://www.runoob.com/python/python-files-io.html
tqdm库比较简单易懂的使用方法
使用tqdm必须知道的几个常见参数:
iterable:可迭代的对象 默认None
total:进度条总长度大小(int or float)默认None
desc:进度条的前缀内容(str)默认None
unit:进度条的单位(str)默认 it ,实际表带为 it/s
一、迭代对象的处理
from tqdm import tqdm
import time
for i in tqdm(iterable=range(100),desc='我是前缀',unit='我是单位'):
time.sleep(0.1) #延时0.1秒
pass
效果如下
二、需要自定义进度条的增长间隔
from tqdm import tqdm
import time
lt=["a","b","c","d","e","f","g","h","i","j","k","l","m","n","o","p","q","r","s","t","u","v","w","x","y"]
with tqdm(iterable=lt,desc='遍历字母',unit='个',total=len(lt)) as pgbr:
for index,l in enumerate(lt):
if index%5==0:
time.sleep(1) # 延时1秒
pgbr.update(5) # 进度条一次增长5个单位
print(l)
效果如下
下载文件结合tqdm用法
from tqdm import tqdm
import requests
url='https://dldir1.qq.com/qqtv/TencentVideo11.14.4043.0.exe'
response=requests.get(url,stream=True) # 设stream流传输方式为真
print(response.headers) # 打印查看基本头信息
data_size=int(response.headers['Content-Length'])/1024/1024 # 字节/1024/1024=MB
with open('测试.exe','wb') as f:
for data in tqdm(iterable=response.iter_content(1024*1024),total=data_size,desc='正在下载',unit='MB'):
f.write(data)
效果如下
要点解释:
1.response.get(stream=True) 这一点必须为True,其详细解释请查iter_content函数的说明,或者找其他资料理解
2.iter_content(chunk_size) chunk_size参数的理解见下图
3.TqdmWarning: clamping frac to range [0, 1]full_bar = Bar(frac, … 这个警告我也未找到原因,网络上也未找到相同的问题,有大佬知道的也请告知一声 。(个人猜测与iter_content(chunk_size)的size有关)4
补充:关于第三点的警告问题,是因为data_siez获得到的是用int()函数转型为整形的变量,所以在除以1024之后会向下取整,导致小于实际的文件大小出现警告,所有可以加一个round()函数进行上去整,保证目标的data_size>=实际的文件大小,就不会出现警告了。
理解chunk_size
因此我将iter_content(chunk_size)->chunk_size理解为一个列表的容量,
而iterable=response.iter_content(1024*1024)理解为分割字符串的函数,
将response.content分割为每个元素的长度是1024*1024大小的列表,在对每个部分进行下载。
这只是助于理解chunk_size的一个方法
而response.iter_content 是流传输(简单说就是边下载边写入磁盘),如果将chunk_size设置的很小,意味着每次
下载和存在很小的一部分,下载的速度也会很慢,如果设置的很大,则进度条的进度会错乱,因此我们在确定chunk_size
大小的时候应该对应文件大小,data_size除以多少,chunk_size就乘以多少,才能使进度条对应。
本篇内容仅供学习参考交流,有错误的地方请大家指正
cs深圳SEO优化公司福田seo网站优化双龙关键词按天扣费民治SEO按效果付费坑梓网站改版同乐网络营销坑梓建设网站深圳至尊标王广州网站排名优化同乐网站制作坑梓网络营销双龙百度关键词包年推广双龙关键词排名包年推广松岗网站优化福田网站seo优化平湖模板网站建设木棉湾建站盐田百搜标王盐田模板制作大鹏外贸网站设计南澳SEO按天扣费大浪建网站同乐网站优化排名罗湖网站开发石岩网站开发南澳模板推广光明建设网站坪山建网站木棉湾网站优化按天计费同乐seo双龙优秀网站设计歼20紧急升空逼退外机英媒称团队夜以继日筹划王妃复出草木蔓发 春山在望成都发生巨响 当地回应60岁老人炒菠菜未焯水致肾病恶化男子涉嫌走私被判11年却一天牢没坐劳斯莱斯右转逼停直行车网传落水者说“没让你救”系谣言广东通报13岁男孩性侵女童不予立案贵州小伙回应在美国卖三蹦子火了淀粉肠小王子日销售额涨超10倍有个姐真把千机伞做出来了近3万元金手镯仅含足金十克呼北高速交通事故已致14人死亡杨洋拄拐现身医院国产伟哥去年销售近13亿男子给前妻转账 现任妻子起诉要回新基金只募集到26元还是员工自购男孩疑遭霸凌 家长讨说法被踢出群充个话费竟沦为间接洗钱工具新的一天从800个哈欠开始单亲妈妈陷入热恋 14岁儿子报警#春分立蛋大挑战#中国投资客涌入日本东京买房两大学生合买彩票中奖一人不认账新加坡主帅:唯一目标击败中国队月嫂回应掌掴婴儿是在赶虫子19岁小伙救下5人后溺亡 多方发声清明节放假3天调休1天张家界的山上“长”满了韩国人?开封王婆为何火了主播靠辱骂母亲走红被批捕封号代拍被何赛飞拿着魔杖追着打阿根廷将发行1万与2万面值的纸币库克现身上海为江西彩礼“减负”的“试婚人”因自嘲式简历走红的教授更新简介殡仪馆花卉高于市场价3倍还重复用网友称在豆瓣酱里吃出老鼠头315晚会后胖东来又人满为患了网友建议重庆地铁不准乘客携带菜筐特朗普谈“凯特王妃P图照”罗斯否认插足凯特王妃婚姻青海通报栏杆断裂小学生跌落住进ICU恒大被罚41.75亿到底怎么缴湖南一县政协主席疑涉刑案被控制茶百道就改标签日期致歉王树国3次鞠躬告别西交大师生张立群任西安交通大学校长杨倩无缘巴黎奥运