使用请求在python中下载大文件

请求是一个非常不错的库。我想用它来下载大文件（> 1GB）。问题是不可能将整个文件保留在内存中，我需要分块读取它。这是以下代码的问题

import requests

def DownloadFile(url)
    local_filename = url.split('/')[-1]
    r = requests.get(url)
    f = open(local_filename, 'wb')
    for chunk in r.iter_content(chunk_size=512 * 1024): 
        if chunk: # filter out keep-alive new chunks
            f.write(chunk)
    f.close()
    return 

由于某种原因，它无法按这种方式工作。仍将响应加载到内存中，然后再将其保存到文件中。

更新

如果您需要一个小型客户端（Python 2.x /3.x），可以从FTP下载大文件，则可以在此处找到它。它支持多线程和重新连接（它确实监视连接），还可以为下载任务调整套接字参数。

使用以下流代码，无论下载文件的大小如何，Python内存的使用都受到限制：

def download_file(url):
    local_filename = url.split('/')[-1]
    # NOTE the stream=True parameter below
    with requests.get(url, stream=True) as r:
        r.raise_for_status()
        with open(local_filename, 'wb') as f:
            for chunk in r.iter_content(chunk_size=8192): 
                # If you have chunk encoded response uncomment if
                # and set chunk_size parameter to None.
                #if chunk: 
                f.write(chunk)
    return local_filename

请注意，使用返回的字节数iter_content不完全是chunk_size; 它应该是一个通常更大的随机数，并且在每次迭代中都应该有所不同。

见https://requests.readthedocs.io/en/latest/user/advanced/#body-content-workflow和https://requests.readthedocs.io/en/latest/api/#requests.Response.iter_content进一步参考。

如果使用Response.raw和，则容易得多shutil.copyfileobj()：

import requests
import shutil

def download_file(url):
    local_filename = url.split('/')[-1]
    with requests.get(url, stream=True) as r:
        with open(local_filename, 'wb') as f:
            shutil.copyfileobj(r.raw, f)

    return local_filename

这样就无需占用过多内存就可以将文件流式传输到磁盘，并且代码很简单。

OP并不是在问什么，但是...这样做很简单urllib：

from urllib.request import urlretrieve
url = 'http://mirror.pnl.gov/releases/16.04.2/ubuntu-16.04.2-desktop-amd64.iso'
dst = 'ubuntu-16.04.2-desktop-amd64.iso'
urlretrieve(url, dst)

或这样，如果您要将其保存到临时文件中：

from urllib.request import urlopen
from shutil import copyfileobj
from tempfile import NamedTemporaryFile
url = 'http://mirror.pnl.gov/releases/16.04.2/ubuntu-16.04.2-desktop-amd64.iso'
with urlopen(url) as fsrc, NamedTemporaryFile(delete=False) as fdst:
    copyfileobj(fsrc, fdst)

我看了看这个过程：

watch 'ps -p 18647 -o pid,ppid,pmem,rsz,vsz,comm,args; ls -al *.iso'

而且我看到文件在增长，但内存使用量保持在17 MB。我想念什么吗？

您的块大小可能太大，您是否尝试过删除它-一次一次可能是1024个字节？（同样，您可以with用来整理语法）

def DownloadFile(url):
    local_filename = url.split('/')[-1]
    r = requests.get(url)
    with open(local_filename, 'wb') as f:
        for chunk in r.iter_content(chunk_size=1024): 
            if chunk: # filter out keep-alive new chunks
                f.write(chunk)
    return 

顺便说一句，您如何推断响应已加载到内存中？

这听起来仿佛蟒蛇没有刷新数据文件，从其他SO问题，你可以尝试f.flush()，并os.fsync()迫使文件的写入和释放内存;

    with open(local_filename, 'wb') as f:
        for chunk in r.iter_content(chunk_size=1024): 
            if chunk: # filter out keep-alive new chunks
                f.write(chunk)
                f.flush()
                os.fsync(f.fileno())