Question

存储媒体文件主要有两种方式：只获取文件的URL链接，或者直接将媒体文件下载到本地。如果你采取的是第一种方式，只需看5.1节。本节主要讲解第二种方式，即将媒体文件下载下来。

本节主要介绍urllib模块提供的urlretrieve（）函数。urlretrieve（）方法直接将远程数据下载到本地，函数原型如下：

  urlretrieve(url, filename=None, reporthook=None, data=None)

参数说明：

·参数filename指定了存储的本地路径（如果参数未指定，urllib会生成一个临时文件保存数据。）

·参数reporthook是一个回调函数。当连接上服务器以及相应的数据块传输完毕时会触发该回调函数，我们可以利用这个回调函数来显示当前的下载进度。

·参数data指post到服务器的数据，该方法返回一个包含两个元素的（filename，headers）元组，filename表示保存到本地的路径，header表示服务器的响应头。

以天堂图片网为例（http://www.ivsky.com/tupian/ziranfengguang/ ），提取当前网址中的图片链接，并将图片下载到当前目录下。代码如下：

  import urllib
  from lxml import etree
  import requests
  def Schedule(blocknum,blocksize,totalsize):
     '''''
     blocknum:已经下载的数据块
     blocksize:数据块的大小
     totalsize:远程文件的大小
     '''
     per = 100.0 * blocknum * blocksize / totalsize
     if per > 100 :
       per = 100
     print '当前下载进度：%d'%per
  user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
  headers={'User-Agent':user_agent}
  r = requests.get('http://www.ivsky.com/tupian/ziranfengguang/',headers=headers)
  # 使用lxml解析网页
  html = etree.HTML(r.text)
  img_urls = html.xpath('.// img/@src')# 先找到所有的img
  i=0
  for img_url in img_urls:
     urllib.urlretrieve(img_url,'img'+str(i)+'.jpg',Schedule)
     i+=1

本程序中先从当前网址将img标记中的src属性提取出来，交给urllib.urlretrieve函数去下载，自动回调Schedule函数，显示当前下载的进度。Schedule函数主要包括3个参数：blocknum（已经下载的数据块）、blocksize（数据块的大小）和totalsize（远程文件的大小）。