如何从远程服务器检索文件目录？

Question

如果我在远程 Web 服务器上有一个允许目录浏览的目录，我将如何从其他 Web 服务器获取其中列出的所有文件？我知道我可以使用 urllib2.urlopen 来获取单个文件，但是如何获取该远程目录中所有文件的列表？

Answer 1

如果网络服务器启用了目录浏览，它将返回一个 HTML 文档，其中包含所有文件的链接。您可以解析 HTML 文档并提取所有链接。这将为您提供文件列表。

您可以使用 HTMLParser 类来提取您感兴趣的元素。类似这会起作用：

from HTMLParser import HTMLParser
import urllib

class AnchorParser(HTMLParser):
    def handle_starttag(self, tag, attrs):
            if tag =='a':
                    for key, value in attrs.iteritems()):
                            if key == 'href':
                                    print value

parser = AnchorParser()
data = urllib.urlopen('http://somewhere').read()
parser.feed(data)

Answer 2

为什么不使用 curl 或 wget 递归下载给定页面，并限制最多 1 级。您将省去编写脚本的所有麻烦。

例如类似的东西

wget -H -r --level=1 -k -p www.yourpage/dir