python - 使用python mechanize下载zip文件

Question

我正在使用 Python 2.7、mechanize 和 beautifulsoup，如果有帮助，我可以使用 urllib

好的，我正在尝试下载位于不同 html 表中的几个不同的 zip 文件。我知道特定文件在哪些表中(我知道它们是否在第一个、第二个、第三个......表中)
这是网页中 html 格式的第二个表格:

<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>

我打算使用以下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，因为它不起作用，但是该表没有其他属性可以将它与其他表区分开来。所有表格都有 cellpadding="0"cellspacing="0"border="0"width="50%"。我想我不能使用 find() 函数。

所以我试图进入第二个表，然后下载此页面上的文件。有人可以给我一些信息来插入我朝着正确的方向前进。我以前处理过表格，但没有处理过表格。我希望有某种方法可以找到我正在寻找的 zip 文件的特定标题，然后下载它们，因为我将永远知道它们的名字

谢谢你的帮助，
汤姆

Answer 1

要选择您想要的表格，只需执行

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

这假设您的文档中只有一张 class=fe-form 和 cellpadding=0 的表格。如果有更多，此代码将仅选择第一个表。为确保您没有忽略页面上的任何内容，您可以这样做

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

并且可以断言 len(tables)==1 以确保只有一张 table 。

现在，要下载文件，您可以做很多事情。假设您的代码已加载 mechanize ，你可以像

a_tags = table.findAll('a')

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

这会将所有文件下载到您当前的工作目录，并根据它们的链接文本命名它们。