python - urllib.request.urlretrieve 不通过 HTTPS 下载文件

Question

下面的 URL 是下载文本文件的下载链接。如果我将 URL 粘贴到 Firefox 中，它会下载实际内容，即文本文件。但是，当使用 urlretrieve 时，它会给我一些 html 源代码文件。

>>> import urllib
>>> down_link='URL' #URL is a ***HTTPS*** link to download .txt file
>>> file=urllib.request.urlretrieve(down_link)

这是我得到的输出:

>>>
('C:\\Users\\rakesh.j.kulkarni\\AppData\\Local\\Temp\\tmps7559wgi'
http.client.HTTPMessage object at 0x03A3C610>)

当打开文件时，我得到 html 源文件，当用浏览器打开它时，它是同一网页的登录表单，

所以我必须想出一个替代过程来暂时做同样的事情，直到问题得到解决

subprocess.Popen(["C:\Program Files (x86)\Google\Chrome\Application\chrome.exe", down_link])

然后我去下载并处理文件。

Answer 1

首先，您应该导入 urllib.request，而不仅仅是 urllib(在 Py3 中)。
您将对象分配给一个变量，以便它为您提供对象实例输出。这没什么问题，只是为了给您一个快速修复，请尝试执行以下操作:

In [1]: import urllib.request

In [2]: down_link = "http://vignette3.wikia.nocookie.net/shipoffools/images/4/42/Surprised_Luffy.jpg/revision/latest?cb=20120921134043"

In [3]: path_to_save = "../luffy.jpg"

In [4]: urllib.request.urlretrieve(down_link, path_to_save)
Out[4]: ('../luffy.jpg', <http.client.HTTPMessage at 0x47f6af0>)

这会很好地工作，将图像保存在您想要的位置。如果您不指定 path_to_save，那也没关系，因为无论如何它都会下载并且路径将是 tmp 目录，在您的情况下它将是 C:\\Users\\rakesh .j.kulkarni\\AppData\\Local\\Temp\\ 文件夹。

在 https 相关错误或任何其他问题的情况下，有一种更简洁的方法，通过使用 urlopen 读取文件并将其保存在文件中在您的计算机上:

In [5]: import urllib.request as req

In [6]: down_link = "https://vignette3.wikia.nocookie.net/shipoffools/images/4/42/
   ...: Surprised_Luffy.jpg/revision/latest?cb=20120921134043"

In [7]: fname = "../luffy.jpg"

In [8]: with req.urlopen(down_link) as d, open(fname, "wb") as opfile:
   ...:     data = d.read()
   ...:     opfile.write(data)
   ...:

注意:此方法可能需要一些时间，但适用于普通的小文件。

---

javascript 下载/重定向:如果是 javascript 或 php 脚本下载，使用 subprocess 在浏览器中打开链接实际上不是动态代码，因为您需要指定浏览器的路径，而不是你可以使用一个预先存在的模块 webbrowser，它会自动检测系统中的默认浏览器并打开 url。

import webbrowser
url = ...
webbrowser.open(url, autoraise=True) # normal
webbrowser.open_new(url)             # new window
webbrowser.open_new_tab(url)         # new tab