春江暮客

春江暮客的个人学习分享网站

利用Python递归下载文件夹下所有文件

2018-12-08 技术
利用Python递归下载文件夹下所有文件

最近想备份网站文件,但 PHP 直接下载大文件有大小限制,我又不想额外开 FTP 去慢慢拖文件,于是就想到:如果目标目录本身能以索引页方式访问,那完全可以直接用 Python 把整个目录树递归拉下来。

这篇文章演示的就是这种最简单的思路:识别目录、自动建本地文件夹、递归进入子目录、遇到文件就直接下载。

1.安装requests库

pip install requests

2.下载文件夹下所有文件及文件夹

这里需要处理的地方主要是文件夹,这里我们判断出该链接是文件夹时,自动创建文件夹,并递归继续进行操作,否则判断该链接是文件,直接使用requests get方法下载,话不多说,看代码

import requests
import re
import os
import sys
def help(script):
	text = 'python3 %s 	https://www.bobobk.com ./' % script

	print(text)
def get_file(url,path):##文件下载函数
    content = requests.get(url, stream=True)
    print("write %s in %s" % (url,path))
    filew = open(path+url.split("/")[-1],'wb')
    for chunk in content.iter_content(chunk_size=512 * 1024): 
        if chunk: # filter out keep-alive new chunks
            filew.write(chunk)
    filew.close()
def get_dir(url,path): #文件夹处理逻辑
    content = requests.get(url).text
    if "<title>Index of" in content:
        sub_url = re.findall('href="(.*?)"',content)
    
        print(sub_url)
        for i in sub_url:
            if "/" in i:
            
                i = i.split("/")[0]
                print(i)
                if i!="." and i!="..":
                    if not os.path.exists(path+i):
                        os.mkdir(path+i)
                    
                    get_dir(url+"/"+i,path+i+"/")
                    print("url:"+url+"/"+i+"\nurl_path:"+path+i+"/")
            else:
                get_file(url+"/"+i,path)
    else:
        get_file(url,path)
if __name__ == '__main__':
	if len(sys.argv)<=1:
		help(sys.argv[0])
		exit(0)
	else:
        get_dir(sys.argv[1],"./")

使用时注意

  • 这种方法更适合目标站点本身开启了目录索引的情况。
  • 如果站点关闭了目录列表、需要登录、或者依赖动态接口,这份脚本就不够用了。
  • 做备份时建议先在测试目录运行一次,避免把无关的大文件全部拉下来。

至此,就可以在本地目录把原网站的路径结构和文件基本还原出来了。对于简单静态资源目录,这种方法非常直接。

友情链接

其它