引言
在编程中经常会遇到图片等数据集将图片等数据以URL形式存储在txt文档中,为便于后续的分析,需要将其下载下来,并按照文件夹分类存储。本文以Github中Alexander Kim提供的图片分类数据集为例,下载其提供的图片样本并分类保存
Python 3.6.5,Anaconda, VSCode
1. 下载数据集文件
建立项目文件夹,下载上述Github项目中的raw_data文件夹,并保存至项目目录中。
2. 获取样本文件位置
编写get_doc_path.py,根据根目录位置,获取目录及其子目录所有数据集文件
import os def get_file(root_path, all_files={}): ''' 递归函数,遍历该文档目录和子目录下的所有文件,获取其path ''' files = os.listdir(root_path) for file in files: if not os.path.isdir(root_path + '/' + file): # not a dir all_files[file] = root_path + '/' + file else: # is a dir get_file((root_path+'/'+file), all_files) return all_files if __name__ == '__main__': path = './raw_data' print(get_file(path))
3. 下载文件
3.1 读取url列表并
for filename, path in paths.items(): print('reading file: {}'.format(filename)) with open(path, 'r') as f: lines = f.readlines() url_list = [] for line in lines: url_list.append(line.strip('\n')) print(url_list)
3.2 创建文件夹
foldername = "./picture_get_by_url/pic_download/{}".format(filename.split('.')[0]) if not os.path.exists(folder_path): print("Selected folder not exist, try to create it.") os.makedirs(folder_path)
3.3 下载图片
def get_pic_by_url(folder_path, lists): if not os.path.exists(folder_path): print("Selected folder not exist, try to create it.") os.makedirs(folder_path) for url in lists: print("Try downloading file: {}".format(url)) filename = url.split('/')[-1] filepath = folder_path + '/' + filename if os.path.exists(filepath): print("File have already exist. skip") else: try: urllib.request.urlretrieve(url, filename=filepath) except Exception as e: print("Error occurred when downloading file, error message:") print(e)
4. 完整源码
4.1 get_doc_path.py
import os def get_file(root_path, all_files={}): ''' 递归函数,遍历该文档目录和子目录下的所有文件,获取其path ''' files = os.listdir(root_path) for file in files: if not os.path.isdir(root_path + '/' + file): # not a dir all_files[file] = root_path + '/' + file else: # is a dir get_file((root_path+'/'+file), all_files) return all_files if __name__ == '__main__': path = './raw_data' print(get_file(path))
4.2 get_pic.py
import get_doc_path import os import urllib.request def get_pic_by_url(folder_path, lists): if not os.path.exists(folder_path): print("Selected folder not exist, try to create it.") os.makedirs(folder_path) for url in lists: print("Try downloading file: {}".format(url)) filename = url.split('/')[-1] filepath = folder_path + '/' + filename if os.path.exists(filepath): print("File have already exist. skip") else: try: urllib.request.urlretrieve(url, filename=filepath) except Exception as e: print("Error occurred when downloading file, error message:") print(e) if __name__ == "__main__": root_path = './picture_get_by_url/raw_data' paths = get_doc_path.get_file(root_path) print(paths) for filename, path in paths.items(): print('reading file: {}'.format(filename)) with open(path, 'r') as f: lines = f.readlines() url_list = [] for line in lines: url_list.append(line.strip('\n')) foldername = "./picture_get_by_url/pic_download/{}".format(filename.split('.')[0]) get_pic_by_url(foldername, url_list)
4.3 运行结果
执行get_pic.py
当程序意外停止或再次执行时,程序会自动跳过文件夹中已下载的文件,继续下载未下载的内容
{‘urls_drawings.txt': ‘./picture_get_by_url/raw_data/drawings/urls_drawings.txt', ‘urls_hentai.txt': ‘./picture_get_by_url/raw_data/hentai/urls_hentai.txt', ‘urls_neutral.txt': ‘./picture_get_by_url/raw_data/neutral/urls_neutral.txt', ‘urls_porn.txt': ‘./picture_get_by_url/raw_data/porn/urls_porn.txt', ‘urls_sexy.txt': ‘./picture_get_by_url/raw_data/sexy/urls_sexy.txt'}
reading file: urls_drawings.txt
Try downloading file: http://41.media.tumblr.com/xxxxxx.jpg
Try downloading file: http://41.media.tumblr.com/xxxxxx.jpg
Try downloading file: http://ak1.polyvoreimg.com/cgi/img-thing/size/l/tid/xxxxxx.jpg
Error occurred when downloading file, error message:
HTTP Error 502: No data received from server or forwarder
Try downloading file: http://akicocotte.weblike.jp/gaugau/xxxxxx.jpg
Try downloading file: http://animewriter.files.wordpress.com/2009/01/nagisa-xxxxxx-xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
Try downloading file: http://cdn.awwni.me/xxxxxx.jpg
后注:由于样本数据集内容的问题,上述地址以xxxxx代替具体地址,案例项目也已经失效,但是方法仍然可以借鉴
20.9.23更新:数据集地址:https://github.com/ZQ-Qi/nsfw_data_scrapper,单纯为了学习和实践本文代码的可以下载该数据集进行尝试
到此这篇关于Python根据URL地址下载文件并保存至对应目录的实现的文章就介绍到这了,更多相关Python URL下载文件内容请搜索小牛知识库以前的文章或继续浏览下面的相关文章希望大家以后多多支持小牛知识库!
本文向大家介绍python根据url地址下载小文件的实例,包括了python根据url地址下载小文件的实例的使用技巧和注意事项,需要的朋友参考一下 如下所示: 以上这篇python根据url地址下载小文件的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持呐喊教程。
文件当前将转到:
问题内容: 我正在尝试创建文件并将其保存到站点的根目录,但是我不知道它在哪里创建文件,因为看不到任何文件。而且,如果可能的话,我需要每次都覆盖该文件。 这是我的代码: 如何设置保存在根目录下? 问题答案: 它在与脚本相同的目录中创建文件。试试这个吧。
本文向大家介绍Python实现读取目录所有文件的文件名并保存到txt文件代码,包括了Python实现读取目录所有文件的文件名并保存到txt文件代码的使用技巧和注意事项,需要的朋友参考一下 代码: (使用os.listdir) 代码:(使用os.walk) walk递归地对目录及子目录处理,每次返回的三项分别为:当前递归的目录,当前递归的目录下的所有子目录,当前递归的目录下的所有文件。
本文向大家介绍Python实现读取并保存文件的类,包括了Python实现读取并保存文件的类的使用技巧和注意事项,需要的朋友参考一下 本文实例讲述了Python实现读取并保存文件的类。分享给大家供大家参考,具体如下: 这个类写在一个叫class_format.py 的文件里, 放在D盘 有一个testcsv.txt 文件放在D盘,内容如下(oi的两边有空格): 这个代码的ReadData模块用到了c
问题内容: 我正在考虑制作一个完全基于JavaScript的zip / unzip实用程序,任何人都可以从浏览器访问该实用程序。他们可以将zip直接拖到浏览器中,这样就可以下载其中的所有文件。他们还可以通过拖动单个文件来创建新的zip文件。 我知道最好在服务器端执行此操作,但是该项目只是为了使您开心一点。 如果我利用各种可用的方法,将文件拖放到浏览器中应该足够容易。(Gmail样式) 编码/解码应