Requests是一个非常好的库。我想用它来下载大文件(>1GB)。 问题是不可能将整个文件保存在内存中;我要分大块读。这是以下代码的一个问题:
import requests
def DownloadFile(url)
local_filename = url.split('/')[-1]
r = requests.get(url)
f = open(local_filename, 'wb')
for chunk in r.iter_content(chunk_size=512 * 1024):
if chunk: # filter out keep-alive new chunks
f.write(chunk)
f.close()
return
出于某种原因，它不是这样工作的;在将响应保存到文件之前，它仍然将响应加载到内存中。
当前回答
下面是异步分块下载用例的另一种方法，无需将所有文件内容读入内存。 这意味着从URL读取和写入文件都是使用asyncio库实现的(aiohttp从URL读取，aiofiles写入文件)。
以下代码应该适用于Python 3.7及更高版本。 复制粘贴前只需编辑SRC_URL和DEST_FILE变量。
import aiofiles
import aiohttp
import asyncio
async def async_http_download(src_url, dest_file, chunk_size=65536):
async with aiofiles.open(dest_file, 'wb') as fd:
async with aiohttp.ClientSession() as session:
async with session.get(src_url) as resp:
async for chunk in resp.content.iter_chunked(chunk_size):
await fd.write(chunk)
SRC_URL = "/path/to/url"
DEST_FILE = "/path/to/file/on/local/machine"
asyncio.run(async_http_download(SRC_URL, DEST_FILE))
其他回答
如果使用响应，就简单多了。Raw和shutil.copyfileobj():
import requests
import shutil
def download_file(url):
local_filename = url.split('/')[-1]
with requests.get(url, stream=True) as r:
with open(local_filename, 'wb') as f:
shutil.copyfileobj(r.raw, f)
return local_filename
这样可以在不使用过多内存的情况下将文件流到磁盘，而且代码很简单。
注:根据文档，响应。Raw不会解码gzip和压缩传输编码，因此您需要手动执行此操作。
请求是好的，但是套接字解决方案呢?
def stream_(host):
import socket
import ssl
with socket.socket(socket.AF_INET, socket.SOCK_STREAM) as sock:
context = ssl.create_default_context(Purpose.CLIENT_AUTH)
with context.wrap_socket(sock, server_hostname=host) as wrapped_socket:
wrapped_socket.connect((socket.gethostbyname(host), 443))
wrapped_socket.send(
"GET / HTTP/1.1\r\nHost:thiscatdoesnotexist.com\r\nAccept: text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9\r\n\r\n".encode())
resp = b""
while resp[-4:-1] != b"\r\n\r":
resp += wrapped_socket.recv(1)
else:
resp = resp.decode()
content_length = int("".join([tag.split(" ")[1] for tag in resp.split("\r\n") if "content-length" in tag.lower()]))
image = b""
while content_length > 0:
data = wrapped_socket.recv(2048)
if not data:
print("EOF")
break
image += data
content_length -= len(data)
with open("image.jpeg", "wb") as file:
file.write(image)
使用以下流代码，无论下载的文件大小如何，Python内存使用都会受到限制:
def download_file(url):
local_filename = url.split('/')[-1]
# NOTE the stream=True parameter below
with requests.get(url, stream=True) as r:
r.raise_for_status()
with open(local_filename, 'wb') as f:
for chunk in r.iter_content(chunk_size=8192):
# If you have chunk encoded response uncomment if
# and set chunk_size parameter to None.
#if chunk:
f.write(chunk)
return local_filename
注意，使用iter_content返回的字节数并不完全是chunk_size;它通常是一个大得多的随机数，并且在每次迭代中都是不同的。
参见body-content-workflow和Response。Iter_content供进一步参考。
下面是异步分块下载用例的另一种方法，无需将所有文件内容读入内存。 这意味着从URL读取和写入文件都是使用asyncio库实现的(aiohttp从URL读取，aiofiles写入文件)。
以下代码应该适用于Python 3.7及更高版本。 复制粘贴前只需编辑SRC_URL和DEST_FILE变量。
import aiofiles
import aiohttp
import asyncio
async def async_http_download(src_url, dest_file, chunk_size=65536):
async with aiofiles.open(dest_file, 'wb') as fd:
async with aiohttp.ClientSession() as session:
async with session.get(src_url) as resp:
async for chunk in resp.content.iter_chunked(chunk_size):
await fd.write(chunk)
SRC_URL = "/path/to/url"
DEST_FILE = "/path/to/file/on/local/machine"
asyncio.run(async_http_download(SRC_URL, DEST_FILE))
您的块大小可能太大了，您是否尝试过删除它-可能一次1024字节?(同时，你可以使用with来整理语法)
def DownloadFile(url):
local_filename = url.split('/')[-1]
r = requests.get(url)
with open(local_filename, 'wb') as f:
for chunk in r.iter_content(chunk_size=1024):
if chunk: # filter out keep-alive new chunks
f.write(chunk)
return
顺便提一下，您如何推断响应已加载到内存中?
听起来好像python没有将数据刷新到文件中，从其他SO问题中，您可以尝试f.flush()和os.fsync()来强制写入文件并释放内存;
with open(local_filename, 'wb') as f:
for chunk in r.iter_content(chunk_size=1024):
if chunk: # filter out keep-alive new chunks
f.write(chunk)
f.flush()
os.fsync(f.fileno())
