Estou criando um programa que baixará um arquivo .jar (java) de um servidor da Web, lendo a URL especificada no arquivo .jad do mesmo jogo / aplicativo. Estou usando o Python 3.2.1

Eu consegui extrair a URL do arquivo JAR do arquivo JAD (todo arquivo JAD contém a URL do arquivo JAR), mas como você pode imaginar, o valor extraído é type () string.

Aqui está a função relevante:

def downloadFile(URL=None):
    import httplib2
    h = httplib2.Http(".cache")
    resp, content = h.request(URL, "GET")
    return content

downloadFile(URL_from_file)

No entanto, sempre recebo um erro dizendo que o tipo na função acima deve ser bytes e não string. Eu tentei usar o URL.encode ('utf-8') e também bytes (URL, codificação = 'utf-8'), mas sempre recebia o mesmo erro ou semelhante.

Então, basicamente, minha pergunta é como baixar um arquivo de um servidor quando o URL é armazenado em um tipo de string?

Se você deseja obter o conteúdo de uma página da web em uma variável, apenas reada resposta de urllib.request.urlopen:

import urllib.request
...
url = 'http://example.com/'
response = urllib.request.urlopen(url)
data = response.read()      # a `bytes` object
text = data.decode('utf-8') # a `str`; this step can't be used if data is binary

A maneira mais fácil de baixar e salvar um arquivo é usar a urllib.request.urlretrievefunção:

import urllib.request
...
# Download the file from `url` and save it locally under `file_name`:
urllib.request.urlretrieve(url, file_name)

import urllib.request
...
# Download the file from `url`, save it in a temporary directory and get the
# path to it (e.g. '/tmp/tmpb48zma.txt') in the `file_name` variable:
file_name, headers = urllib.request.urlretrieve(url)

Mas lembre-se de que isso urlretrieveé considerado legado e pode ficar obsoleto (não sei por que).

Portanto, a maneira mais correta de fazer isso seria usar a urllib.request.urlopenfunção para retornar um objeto semelhante a um arquivo que representa uma resposta HTTP e copiá-lo para um arquivo real usando shutil.copyfileobj.

import urllib.request
import shutil
...
# Download the file from `url` and save it locally under `file_name`:
with urllib.request.urlopen(url) as response, open(file_name, 'wb') as out_file:
    shutil.copyfileobj(response, out_file)

Se isso parecer muito complicado, convém simplificar e armazenar o download inteiro em um bytesobjeto e depois gravá-lo em um arquivo. Mas isso funciona bem apenas para arquivos pequenos.

import urllib.request
...
# Download the file from `url` and save it locally under `file_name`:
with urllib.request.urlopen(url) as response, open(file_name, 'wb') as out_file:
    data = response.read() # a `bytes` object
    out_file.write(data)

É possível extrair .gz(e talvez outros formatos) dados compactados em tempo real, mas essa operação provavelmente requer que o servidor HTTP suporte o acesso aleatório ao arquivo.

import urllib.request
import gzip
...
# Read the first 64 bytes of the file inside the .gz archive located at `url`
url = 'http://example.com/something.gz'
with urllib.request.urlopen(url) as response:
    with gzip.GzipFile(fileobj=response) as uncompressed:
        file_header = uncompressed.read(64) # a `bytes` object
        # Or do anything shown above using `uncompressed` instead of `response`.

Eu uso o requestspacote sempre que quero algo relacionado a solicitações HTTP, porque sua API é muito fácil para começar:

primeiro instale requests

$ pip install requests

então o código:

from requests import get  # to make GET request


def download(url, file_name):
    # open in binary mode
    with open(file_name, "wb") as file:
        # get request
        response = get(url)
        # write to file
        file.write(response.content)

Espero ter entendido a pergunta corretamente, que é: como baixar um arquivo de um servidor quando o URL é armazenado em um tipo de string?

Faço o download de arquivos e os salvo localmente usando o código abaixo:

import requests

url = 'https://www.python.org/static/img/python-logo.png'
fileName = 'D:\Python\dwnldPythonLogo.png'
req = requests.get(url)
file = open(fileName, 'wb')
for chunk in req.iter_content(100000):
    file.write(chunk)
file.close()

Aqui podemos usar a interface Legacy do urllib em Python3:

As seguintes funções e classes são portadas do módulo Python 2 urllib (ao contrário de urllib2). Eles podem ficar obsoletos em algum momento no futuro.

Exemplo (código de 2 linhas) :

import urllib.request

url = 'https://www.python.org/static/img/python-logo.png'
urllib.request.urlretrieve(url, "logo.png")

Você pode usar o wget, que é uma popular ferramenta de download de shell para isso. https://pypi.python.org/pypi/wget Este será o método mais simples, pois não precisa abrir o arquivo de destino. Aqui está um exemplo.

import wget
url = 'https://i1.wp.com/python3.codes/wp-content/uploads/2015/06/Python3-powered.png?fit=650%2C350'  
wget.download(url, '/Users/scott/Downloads/cat4.jpg') 

Sim, definitivamente, pedidos é um ótimo pacote para usar em algo relacionado a pedidos HTTP. mas precisamos ter cuidado com o tipo de codificação dos dados recebidos, bem abaixo, é um exemplo que explica a diferença

from requests import get

# case when the response is byte array
url = 'some_image_url'

response = get(url)
with open('output', 'wb') as file:
    file.write(response.content)


# case when the response is text
# Here unlikely if the reponse content is of type **iso-8859-1** we will have to override the response encoding
url = 'some_page_url'

response = get(url)
# override encoding by real educated guess as provided by chardet
r.encoding = r.apparent_encoding

with open('output', 'w', encoding='utf-8') as file:
    file.write(response.content)

Motivação

Às vezes, queremos obter a imagem, mas não precisamos fazer o download para arquivos reais,

ou seja, faça o download dos dados e mantenha-os na memória.

Por exemplo, se eu usar o método de aprendizado de máquina, treine um modelo que possa reconhecer uma imagem com o número (código de barras).

Quando visualizo alguns sites e que têm essas imagens para que eu possa usar o modelo para reconhecê-lo,

e não quero salvar essas fotos na minha unidade de disco,

então você pode tentar o método abaixo para ajudar a manter os dados de download na memória.

Pontos

import requests
from io import BytesIO
response = requests.get(url)
with BytesIO as io_obj:
    for chunk in response.iter_content(chunk_size=4096):
        io_obj.write(chunk)

basicamente, é como @Ranvijay Kumar

Um exemplo

import requests
from typing import NewType, TypeVar
from io import StringIO, BytesIO
import matplotlib.pyplot as plt
import imageio

URL = NewType('URL', str)
T_IO = TypeVar('T_IO', StringIO, BytesIO)


def download_and_keep_on_memory(url: URL, headers=None, timeout=None, **option) -> T_IO:
    chunk_size = option.get('chunk_size', 4096)  # default 4KB
    max_size = 1024 ** 2 * option.get('max_size', -1)  # MB, default will ignore.
    response = requests.get(url, headers=headers, timeout=timeout)
    if response.status_code != 200:
        raise requests.ConnectionError(f'{response.status_code}')

    instance_io = StringIO if isinstance(next(response.iter_content(chunk_size=1)), str) else BytesIO
    io_obj = instance_io()
    cur_size = 0
    for chunk in response.iter_content(chunk_size=chunk_size):
        cur_size += chunk_size
        if 0 < max_size < cur_size:
            break
        io_obj.write(chunk)
    io_obj.seek(0)
    """ save it to real file.
    with open('temp.png', mode='wb') as out_f:
        out_f.write(io_obj.read())
    """
    return io_obj


def main():
    headers = {
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3',
        'Accept-Encoding': 'gzip, deflate',
        'Accept-Language': 'zh-TW,zh;q=0.9,en-US;q=0.8,en;q=0.7',
        'Cache-Control': 'max-age=0',
        'Connection': 'keep-alive',
        'Host': 'statics.591.com.tw',
        'Upgrade-Insecure-Requests': '1',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.87 Safari/537.36'
    }
    io_img = download_and_keep_on_memory(URL('http://statics.591.com.tw/tools/showPhone.php?info_data=rLsGZe4U%2FbphHOimi2PT%2FhxTPqI&type=rLEFMu4XrrpgEw'),
                                         headers,  # You may need this. Otherwise, some websites will send the 404 error to you.
                                         max_size=4)  # max loading < 4MB
    with io_img:
        plt.rc('axes.spines', top=False, bottom=False, left=False, right=False)
        plt.rc(('xtick', 'ytick'), color=(1, 1, 1, 0))  # same of plt.axis('off')
        plt.imshow(imageio.imread(io_img, as_gray=False, pilmode="RGB"))
        plt.show()


if __name__ == '__main__':
    main()

from urllib import request

def get(url):
    with request.urlopen(url) as r:
        return r.read()


def download(url, file=None):
    if not file:
        file = url.split('/')[-1]
    with open(file, 'wb') as f:
        f.write(get(url))