相同的功能对相同类型的数据有不同的作用

Question

我可能已经在这上面花了太长时间，但我发现很难理解为什么我会收到 FileNotFoundError: [Errno 2] No such file or directory: when the only difference I can see is link。使用美汤

Objective: 下载图像并放置在不同的文件夹中，除了某些 .jpg 文件外，该文件夹工作正常。我尝试了不同类型的路径和文件名条带化，但它是同样的问题。

测试图片：

http://img2.rtve.es/v/5437650?w=1600&preview=1573157283042.jpg # 不工作

http://img2.rtve.es/v/5437764?w=1600&preview=1573172584190.jpg #工作完美

函数如下：

def get_thumbnail():
'''
Download image and place in the images folder
'''
soup = BeautifulSoup(r.text, 'html.parser')

# Get thumbnail  image
for  preview in soup.findAll(itemprop="image"): 
  preview_thumb = preview['src'].split('//')[1]    

# Download image 
url = 'http://' + str(preview_thumb).strip()
path_root = Path(__file__).resolve().parents[1] 
img_dir = str(path_root) + '\static\images\'


urllib.request.urlretrieve(url, img_dir + show_id() + '_' + get_title().strip()+ '.jpg')

使用的其他函数：

def show_id():
  for  image_id in soup.findAll(itemprop="image"): 
    preview_id = image_id['src'].split('/v/')[1]
    preview_id = preview_id.split('?')[0]
  return preview_id

def get_title():
  title = soup.find('title').get_text()
  return title

我所能解决的问题是必须找到第一张图像的图像文件夹，但第二张图像完美无缺。

这是我不断遇到的错误，它似乎在 request.py

感谢任何意见。

Answer 1

很可能图像文件名中的 "special characters" 正在抛出 urlretrieve()（以及其中使用的 open()）：

>>> from urllib import urlretrieve  # Python 3: from urllib.request import urlretrieve
>>> url = "https://i.stack.imgur.com/1RUYX.png"

>>> urlretrieve(url, "test.png")  # works
('test.png', <httplib.HTTPMessage instance at 0x10b284a28>)

>>> urlretrieve(url, "/tmp/test 07/11/2019.png") # does not work
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/urllib.py", line 98, in urlretrieve
    return opener.retrieve(url, filename, reporthook, data)
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/urllib.py", line 249, in retrieve
    tfp = open(filename, 'wb')
IOError: [Errno 2] No such file or directory: '/tmp/test 07/11/2019.png'

换句话说，您用作文件名的图像标题必须正确 pre-formatted 才能用作文件名进行保存。我只是 "slugify" 他们 以避免出现问题。一种方法是简单地使用 slugify module:

import os
from slugify import slugify

image_filename = slugify(show_id() + '_' + get_title().strip()) + '.jpg'
image_path = os.path.join(img_dir, image_filename)
urllib.request.urlretrieve(url, image_path)

例如，这就是 slugify 对 test 07/11/2019 图片名称所做的：

>>> slugify("test 07/11/2019")
'test-07-11-2019'

另请参阅：

String slugification in Python

相同的功能对相同类型的数据有不同的作用

Same function acting differently same type of data

urllib

beautifulsoup

python-3.x