如何下载网站上所有可用的数据文件夹？

Question

通常，如果网站显示了一系列指向包含文件夹的数据的链接（即包含经济数据的电子表格），那么我该如何编写一个程序来识别所有链接并下载数据？

尤其是，我正在尝试从此网站https://www.ngdc.noaa.gov/eog/viirs/download_dnb_composites.html下载2012年至2018年的所有文件夹

我尝试了以下建议的方法，但是似乎未下载数据链接。

my_target='https://www.ngdc.noaa.gov/eog/viirs/download_dnb_composites.html'


import requests
from bs4 import BeautifulSoup

r  = requests.get(my_target)
data = r.text
soup = BeautifulSoup(data)

links=[]
for link in soup.find_all('a'):
    links.append(link.get('href'))
    print(link.get('href'))

在所有附加到链接的URL中，没有一个指向数据。

最后，即使我拥有正确的链接，如何才能使用它们实际下载文件？

非常感谢！ ;）

Answer 1

这是典型的网络抓取任务。

• 使用requests下载页面

• 然后解析内容并使用beutifulsoup

提取URL

• 您现在可以使用其提取的URL和requests

下载文件