python使用selenium實現(xiàn)批量文件下載

背景

實現(xiàn)需求：批量下載聯(lián)想某型號的全部驅(qū)動程序。

一般在做網(wǎng)絡(luò)爬蟲的時候，都是保存網(wǎng)頁信息為主，或者下載單個文件。當涉及到多文件批量下載的時候，由于下載所需時間不定，下載的文件名不定，所以有一定的困難。

思路

參數(shù)配置

在涉及下載的時候，需要先對chromedriver進行參數(shù)配置，設(shè)定默認下載目錄：

global base_path
profile = {
  'download.default_directory': base_path
}
chrome_options = webdriver.ChromeOptions()
chrome_options.add_experimental_option('prefs', profile)
driver = webdriver.Chrome(executable_path='../common/chromedriver', options=chrome_options)
driver.implicitly_wait(10)

頁面分析

聯(lián)想官網(wǎng)上每個型號的驅(qū)動下載頁面如上圖所示，雖然前面有一個登陸的遮罩，但是實際上并不影響點擊。需要注意的是：

驅(qū)動列表，需要點擊才可以顯示具體的下載項目表格，否則可以找到對應(yīng)元素但無法獲取正確的信息

driver_list.find_element_by_class_name('download-center_list_t_icon').click()

每個下載列表的表頭建議做跳過處理

if sub_list.find_element_by_class_name('download-center_usblist_td01').text == '驅(qū)動名稱':
  continue

下載處理

在頁面中，找到“普通下載”的元素，點擊即可下載。最終實現(xiàn)結(jié)果是我們希望根據(jù)網(wǎng)頁的列表進行重命名和重新歸檔到文件夾，但是我們會發(fā)現(xiàn)如下幾個問題：

• 下載過來的文件名無法控制。
• 依次下載的話，我們無法確認需要下載多久。并行下載的話，無法有效的區(qū)分重命名。

在網(wǎng)上找了很久，也沒找到在下載時直接重命名的方法，所以最終選擇依次下載，當每次下載完成后進行重命名和歸檔，思路如下：

• 對每個驅(qū)動目錄，先新建一個文件夾，如：主板
• 點擊下載后開始下載文件
• 通過os模塊，找到下載目錄中所有文件，并按創(chuàng)建時間排序，找到最新創(chuàng)建的文件
• 由于未完成的文件后綴為.crdownload（chrome），那么根據(jù)后綴來判斷是否已完成下載，未完成的話繼續(xù)等待

待下載完成，將文件重命名并剪切到開始建立的歸檔目錄。這里需要注意的是，有些文件名中不能存在/符號，否則會導(dǎo)致重命名失敗，需要做一下替換。

在后期測試的時候，發(fā)現(xiàn)還有幾個坑需要注意：

在查找最新創(chuàng)建的文件時，需要注意.DS_Store文件的處理。（Mac系統(tǒng)，Windows則需要考慮thumbs.db）

需要判斷一下最新創(chuàng)建的文件是否為文件夾，可以通過filter函數(shù)來處理

最新文件的排序查找實現(xiàn)如下：

def sort_file():
 # 排序文件
 dir_link = base_path
 dir_lists = list(filter(check_file, os.listdir(dir_link)))
 if len(dir_lists) == 0:
   return ''
 else:
   dir_lists.sort(key=lambda fn: os.path.getmtime(dir_link + os.sep + fn))
   return os.path.join(base_path, dir_lists[-1])


def check_file(filename):
 # 忽略系統(tǒng)文件
 if filename == '.DS_Store' or filename == 'thumbs.db':
   return False
 global base_path
 # 排除文件夾
 return os.path.isfile(os.path.join(base_path, filename))

總結(jié)

最終實現(xiàn)效果如下：

完整代碼參考：https://github.com/keejo125/web_scraping_and_data_analysis/tree/master/Lenovo

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持億速云。