Download alle links, die(zugehörigen Dokumente) auf eine Webseite mit Python

Hier ist ein Beispiel, wie könnten Sie zum download einige ausgewählte Dateien aus http://pypi.python.org/pypi/xlwt

können, benötigen Sie den mechanisieren erste: http://wwwsearch.sourceforge.net/mechanize/download.html

import mechanize
from time import sleep
#Make a Browser (think of this as chrome or firefox etc)
br = mechanize.Browser()

#visit http://stockrt.github.com/p/emulating-a-browser-in-python-with-mechanize/
#for more ways to set up your br browser object e.g. so it look like mozilla
#and if you need to fill out forms with passwords.

# Open your site
br.open('http://pypi.python.org/pypi/xlwt')

f=open("source.html","w")
f.write(br.response().read()) #can be helpful for debugging maybe

filetypes=[".zip",".exe",".tar.gz"] #you will need to do some kind of pattern matching on your files
myfiles=[]
for l in br.links(): #you can also iterate through br.forms() to print forms on the page!
    for t in filetypes:
        if t in str(l): #check if this link has the file extension we want (you may choose to use reg expressions or something)
            myfiles.append(l)


def downloadlink(l):
    f=open(l.text,"w") #perhaps you should open in a better way & ensure that file doesn't already exist.
    br.click_link(l)
    f.write(br.response().read())
    print l.text," has been downloaded"
    #br.back()

for l in myfiles:
    sleep(1) #throttle so you dont hammer the site
    downloadlink(l)

Hinweis: In einigen Fällen möchten Sie vielleicht zu ersetzen br.click_link(l) mit br.follow_link(l). Der Unterschied ist, dass click_link gibt ein Request-Objekt in der Erwägung, dass follow_link direkt den link zu öffnen. Sehen Mechanisieren Unterschied zwischen br.click_link() und br.follow_link()

InformationsquelleAutor robert king