Python实现多线程HTTP下载器

Posted 2020-08-30

本文将介绍使用Python编写多线程HTTP下载器，并生成.exe可执行文件。

环境：windows/Linux + Python2.7.x

单线程

在介绍多线程之前首先介绍单线程。编写单线程的思路为： 

1. 解析url；
2. 连接web服务器；
3. 构造http请求包；
4. 下载文件。

接下来通过代码进行说明。

解析url

通过用户输入url进行解析。如果解析的路径为空，则赋值为‘/‘；如果端口号为空，则赋值为"80”；下载文件的文件名可根据用户的意愿进行更改（输入‘y‘表示更改，输入其它表示不需要更改）。

下面列出几个解析函数：

#解析host和path
def analyHostAndPath(totalUrl):
    protocol,s1 = urllib.splittype(totalUrl)
    host, path = urllib.splithost(s1)
    if path == ‘‘:
        path = ‘/‘
    return host, path

#解析port
def analysisPort(host):
    host, port = urllib.splitport(host)
    if port is None:
        return 80
    return port

#解析filename
def analysisFilename(path):
    filename = path.split(‘/‘)[-1]
    if ‘.‘ not in filename:
        return None
    return filename 

连接web服务器

使用socket模块，根据解析url得到的host和port连接web服务器，代码如下：

import socket
from analysisUrl import port,host

ip = socket.gethostbyname(host)
s = socket.socket(socket.AF_INET,socket.SOCK_STREAM)
s.connect((ip, port))

print "success connected webServer！！"

构造http请求包

根据解析url得到的path, host, port构造一个HTTP请求包。  

from analysisUrl import path, host, port

packet = ‘GET ‘ + path + ‘ HTTP/1.1\\r\\nHost: ‘ + host + ‘\\r\\n\\r\\n‘　 

下载文件

根据构造的http请求包，向服务器发送文件，抓取响应报文头部的"Content-Length"。  

def getLength(self):
        s.send(packet)
        print "send success!"
        buf = s.recv(1024)
        print buf
        p = re.compile(r‘Content-Length: (\\d*)‘)
        length = int(p.findall(buf)[0])
        return length, buf

下载文件并计算下载所用的时间。  

def download(self):
        file = open(self.filename,‘wb‘)
        length,buf = self.getLength()
        packetIndex = buf.index(‘\\r\\n\\r\\n‘)
        buf = buf[packetIndex+4:]
        file.write(buf)
        sum = len(buf)
        while 1:
            buf = s.recv(1024)
            file.write(buf)
            sum = sum + len(buf)
            if sum >= length:
                break
        print "Success!!"

if __name__ == "__main__":
    start = time.time()
    down = downloader()
    down.download()
    end = time.time()
    print "The time spent on this program is %f s"%(end - start) 

运行结果示意图：

多线程

抓取响应报文头部的"Content-Length"字段，结合线程个数，加锁分段下载。与单线程的不同，这里将所有代码整合为一个文件，代码中使用更多的Python自带模块。

得到"Content-Length"： 

def getLength(self):
        opener = urllib2.build_opener()
        req = opener.open(self.url)
        meta = req.info()
        length = int(meta.getheaders("Content-Length")[0])
        return length
 

根据得到的Length，结合线程个数划分范围： 

def get_range(self):
        ranges = []
        length = self.getLength()
        offset = int(int(length) / self.threadNum)
        for i in range(self.threadNum):
            if i == (self.threadNum - 1):
                ranges.append((i*offset,‘‘))
            else:
                ranges.append((i*offset,(i+1)*offset))
        return ranges

实现多线程下载，在向文件写入内容时，向线程加锁，并使用with lock代替lock.acquire( )...lock.release( );使用file.seek( )设置文件偏移地址，保证写入文件的准确性。

def downloadThread(self,start,end):
        req = urllib2.Request(self.url)
        req.headers[‘Range‘] = ‘bytes=%s-%s‘ % (start, end)
        f = urllib2.urlopen(req)
        offset = start
        buffer = 1024
        while 1:
            block = f.read(buffer)
            if not block:
                break
            with lock:
                self.file.seek(offset)
                self.file.write(block)
                offset = offset + len(block)

    def download(self):
        filename = self.getFilename()
        self.file = open(filename, ‘wb‘)
        thread_list = []
        n = 1
        for ran in self.get_range():
            start, end = ran
            print ‘starting:%d thread ‘% n
            n += 1
            thread = threading.Thread(target=self.downloadThread,args=(start,end))
            thread.start()
            thread_list.append(thread)

        for i in thread_list:
            i.join()
        print ‘Download %s Success!‘%(self.file)
        self.file.close()

运行结果：

将(*.py)文件转化为(*.exe)可执行文件

当写好了一个工具，如何让那些没有安装Python的人使用这个工具呢？这就需要将.py文件转化为.exe文件。

这里用到Python的py2exe模块，初次使用，所以对其进行介绍：

py2exe是一个将Python脚本转换成windows上可独立执行的可执行文件（*.exe）的工具，这样，就可以不用装Python在windows上运行这个可执行程序。可在下载地址中下载对应的版本。

接下来，在multiThreadDownload.py的同目录下，创建mysetup.py文件，编写：

from distutils.core import setup
import py2exe

setup(console=["multiThreadDownload.py"]) 

接着执行命令：Python mysetup.py py2exe

生成dist文件夹，multiTjhreadDownload.exe文件位于其中，点击运行即可：

 

上面就是我使用Python实现多线程HTTP下载器的过程，各位有什么好的想法意见，还望不吝赐教!

该项目的链接：https://github.com/Yabea/HttpFileDownload

我的github：https://github.com/Yabea