पायथन वेब से फ़ाइलें डाउनलोड करने के लिए urllib, requests जैसे विभिन्न मॉड्यूल प्रदान करता है। इस लेख में हम requests लाइब्रेरी का उपयोग करके URL से फ़ाइलें कुशलतापूर्वक डाउनलोड करना सीखेंगे।
चरण-दर-चरण प्रक्रिया
1. मॉड्यूल आयात करें
import requests
2. URL प्राप्त करें और अनुरोध भेजें
url = 'https://www.facebook.com/favicon.ico'
r = requests.get(url, allow_redirects=True)
allow_redirects=True पैरामीटर रीडायरेक्ट को फॉलो करने की अनुमति देता है।
3. सामग्री को फ़ाइल में सहेजें
open('facebook.ico', 'wb').write(r.content)
यह कोड बाइनरी मोड ('wb') में फ़ाइल खोलता है और डाउनलोड की गई सामग्री लिखता है।
पूर्ण उदाहरण
import requests
url = 'https://www.facebook.com/favicon.ico'
r = requests.get(url, allow_redirects=True)
open('facebook.ico', 'wb').write(r.content)
फ़ाइल प्रकार की जांच
डाउनलोड करने से पहले फ़ाइल का प्रकार जानने के लिए हेडर जांचें:
>>> r = requests.get(url, allow_redirects=True)
>>> print(r.headers.get('content-type'))
image/png
स्मार्ट डाउनलोड: केवल हेडर प्राप्त करें
पूरी फ़ाइल डाउनलोड किए बिना केवल हेडर प्राप्त करके फ़ाइल का आकार और प्रकार जांचें:
def is_downloadable(url):
r = requests.head(url, allow_redirects=True)
content_type = r.headers.get('content-type', '')
# HTML पेज आदि को डाउनलोड न करें
if 'text' in content_type or 'html' in content_type:
return False
# फ़ाइल आकार सीमित करें (उदाहरण: 200 MB)
content_length = r.headers.get('content-length')
if content_length and int(content_length) > 2e8:
return False
return True
print(is_downloadable('https://www.youtube.com/watch?v=xCglV_dqFGI')) # False
print(is_downloadable('https://www.facebook.com/favicon.ico')) # True
URL से फ़ाइलनाम निकालना
URL से फ़ाइलनाम प्राप्त करने के दो तरीके:
विधि 1: URL पार्स करना
url = "https://www.example.com/wp-content/uploads/logo.png"
if '/' in url:
filename = url.rsplit('/', 1)[1]
print(filename) # logo.png
विधि 2: Content-Disposition हेडर का उपयोग
जब URL में फ़ाइलनाम न हो (जैसे https://url.com/download), तो Content-Disposition हेडर उपयोगी होता है।
import requests
import re
def get_filename_from_cd(cd):
"""Content-Disposition हेडर से फ़ाइलनाम निकालें"""
if not cd:
return None
fname = re.findall('filename=(.+)', cd)
if len(fname) == 0:
return None
return fname[0]
url = 'https://google.com/favicon.ico'
r = requests.get(url, allow_redirects=True)
filename = get_filename_from_cd(r.headers.get('content-disposition'))
if filename:
open(filename, 'wb').write(r.content)
else:
# फॉलबैक: URL से नाम लें
filename = url.rsplit('/', 1)[1]
open(filename, 'wb').write(r.content)
उपरोक्त दोनों विधियों को मिलाकर आप अधिकांश स्थितियों में सही फ़ाइलनाम प्राप्त कर सकते हैं।