如何使用python从页面下载文件

Question

我无法从此页面下载 txt 文件：https://www.ceps.cz/en/all-data#RegulationEnergy（当您向下滚动并查看下载：txt、xls 和 xml）。

我的目标是创建将转到链接页面的抓取工具，例如单击 txt 链接并保存下载的文件。

我不知道如何解决的主要问题：

• 该文件没有我可以调用和下载的真实链接，但该链接是使用 JS 基于过滤器和文件类型创建的。

• 当我使用 Python 的 requests 库并调用带有所有标头的链接时，它只会将我重定向到 https://www.ceps.cz/en/all-data。

尝试的方法：

• 使用 ParseHub 等抓取工具下载链接未按预期工作。但这个刮刀是最接近我想要得到的。

• 使用 requests 库使用 HXR 请求用于下载文件的标头连接到链接，但它只是将我重定向到 https://www.ceps.cz/en/all-data。

如果您可以为此任务提出一些解决方案，请提前感谢您。 :-)

Answer 1

您可以使用 Selenium 将此数据下载到您选择的目录；您只需要指定将保存数据的目录。在下文中，我会将 txt 数据保存到我的桌面：

from selenium import webdriver

download_dir = '/Users/doug/Desktop/'

chrome_options = webdriver.ChromeOptions()
prefs = {'download.default_directory' : download_dir}
chrome_options.add_experimental_option('prefs', prefs)
driver = webdriver.Chrome(chrome_options=chrome_options)
driver.get('https://www.ceps.cz/en/all-data')

container = driver.find_element_by_class_name('download-graph-data')
button = container.find_element_by_tag_name('li')
button.click()

Answer 2

你应该这样做：

import requests

txt_format = 'txt'
xls_format = 'xls' # open in binary mode
xml_format = 'xlm' # open in binary mode

def download(file_type):
    url = f'https://www.ceps.cz/download-data/?format={txt_format}'

    response = requests.get(url)

    if file_type is txt_format:
        with open(f'file.{file_type}', 'w') as file:
            file.write(response.text)
    else:
        with open(f'file.{file_type}', 'wb') as file:
            file.write(response.content)

download(txt_format)