Como nós sabemos, ao acessar um site pelo browser, vários arquivos como imagens, músicas, scripts, CSS, entre outros, são baixados para serem utilizados dentro de uma página HTML
.
Utilizando a biblioteca requests
, é possível utilizar a função get
para solicitar a página, porém ele não recebe outros arquivos ou pelo menos os links para baixar esses outros arquivos. Logo, se eu quiser salvar uma página no meu computador, ela estaria incompleta, exemplo:
Página html:
<!DOCTYPE html>
<html>
<head>
<title>Teste de JavaScript</title>
<meta charset="utf-8">
</head>
<body>
<img src="caozinho.png" alt="Cachorrinho">
</body>
</html>
Código Python para salvar a página:
import requests
url = "https://meuSite.com/"
response = requests.get(url)
with open("página.html","wb") as file:
file.write(response.content)
Resultado final:
Há alguma forma de obter todos arquivos de uma requisição utilizando o requests
?
response.content
, que é o HTML da página, analisar o código extraindo todos os elementos que deseja e capturando suas respectivas URLs. Por exemplo, você pode buscar todos os elementos<img>
e extrair o valor do atributosrc
para assim listar todos as URLs das imagens na página. A partir das URLS bara fazer uma nova requisição para baixá-las uma a uma, exatamente como o navegador faz.