用python mechanize下载zip文件

Question

我正在使用Python2.7、mechanize和beautifulsoup,如果有帮助,我可以使用urllib

<table class="fe-form" cellpadding="0" cellspacing="0" border="0" width="50%">
            <tr>
                <td colspan="2"><h2>Eligibility List</h2></td>
            </tr>


            <tr>
                <td><b>Eligibility File for Met-Ed</b> - 
                <a href="/content/fecorp/supplierservices/eligibility_list.suppliereligibility.html?id=ME&ftype=1&fname=cmb_me_elig_lst_06_2013.zip">cmb_me_elig_lst_06_2013.zip</td>
            </tr>



            <tr>
                <td><b>Eligibility File for Penelec</b> - 
                <a href="/content/fecorp/supplierservices/eligibility_list.suppliereligibility.html?id=PN&ftype=1&fname=cmb_pn_elig_lst_06_2013.zip">cmb_pn_elig_lst_06_2013.zip</td>
            </tr>



            <tr>
                <td><b>Eligibility File for Penn Power</b> - 
                <a href="/content/fecorp/supplierservices/eligibility_list.suppliereligibility.html?id=PP&ftype=1&fname=cmb_pennelig_06_2013.zip">cmb_pennelig_06_2013.zip</td>
            </tr>



            <tr>
                <td><b>Eligibility File for West Penn Power</b> - 
                <a href="/content/fecorp/supplierservices/eligibility_list.suppliereligibility.html?id=WP&ftype=1&fname=cmb_wp_elig_lst_06_2013.zip">cmb_wp_elig_lst_06_2013.zip</td>
            </tr>


            <tr>
                <td>&nbsp;</td>
            </tr>
        </table>

我打算使用下面的代码来访问第二个表：

from bs4 import BeautifulSoup
html= br.response().read()
soup = BeautifulSoup(html)
table = soup.find("table", class=fe-form)

我猜class=“fe-form”是错误的，因为它不能工作，但是该表没有其他属性将它与其他表区分开来。所有表都有cellpadding=“0”cellspacing=“0”border=“0”width=“50%”。我想我不能使用find（）函数。

因此，我正在尝试到第二个表，然后下载这个页面上的文件。谁能给我一些信息，以推动我在正确的方向。我以前用过表格，但没有用过表格。我希望有一些方法可以找到我要找的zip文件的特定标题，然后下载它们，因为我总是知道它们的名字

汤姆，谢谢你的帮助

Answer 1

要选择所需的表，只需执行以下操作

table = soup.find('table', attrs={'class' : 'fe-form', 'cellpadding' : '0' })

这假设文档中只有一个class=fe-form和cellpadding=0的表。如果有更多的表，此代码将只选择第一个表。为了确保您没有忽略页面上的任何内容，您可以

tables = soup.findAll('table', attrs={'class' : 'fe-form', 'cellpadding' : '0' })
table = tables[0]

并且可以断言len（tables）==1以确保只有一个表。

现在，要下载该文件，您可以做很多事情。假设您已经从您的代码加载了mechanize，那么您可以

a_tags = table.findAll('a')

for a in a_tags:
  if '.zip' in a.get('href'):
    br.retrieve(a.get('href'), a.text)

这将下载所有文件到您当前的工作目录，并将根据它们的链接文本命名它们。