前面四十多篇拿到的都是文字——网页内容、表格数据、JSON。但网上更多好东西是文件：PDF 通知、Excel 模板、图片素材、安装包。今天新概念只有一个：二进制文件写入——
resp.content拿到的不再是”字”，而是”原样的字节”，得用open(path, "wb")原封不动写进硬盘。学完这篇，”右键→另存为→等→再右键→再另存为”的体力活就彻底交给程序了：它半夜能把 30 份 PDF 整整齐齐搬进你的文件夹。
一、真实场景：月底的”资料搬运工”
单位的”资料下载”栏每月更新一批文件：本月的工作简报 PDF（12 期，编号 01 到 12）、报销模板 Excel、还有几张通知截图。领导让你”把这些都下下来，归到 D:月度资料10月 里”。
这事没有任何技术含量：点开链接 → 右键 → 另存为 → 选文件夹 → 改文件名 → 重复 15 遍。难就难在烦：每次都要选路径、等进度条、文件名还容易存错（简报(1).pdf、简报(2).pdf 这种鬼东西就是这么来的）。而且这种活每月一次，下个月还得再来一遍。
更别提另一种情况：批量。比如教研组要下载 200 份学生交的电子作业（每份一个 PDF 链接，都在一个页面上排着），手工点 200 次另存为？点到手抽筋。
其实浏览器”另存为”干的事，就三步：把文件内容从网上拿回来 → 起个文件名 → 写进硬盘。前两步你早会了（requests.get、字符串拼接），今天只补第三步：
文件的”字节”要写进”二进制文件”：
open(path, "wb").write(resp.content)——”wb” 的 b 就是 binary（二进制），意思是”别翻译，原样存”。
就这一句。剩下的全是老手艺：requests.get（第37篇）、正则抠链接（第43篇）、BeautifulSoup 找 a 标签（第41篇）、os.makedirs 建文件夹（第30篇）、try/except 防崩（第10篇）、Session（第45篇，下载”要登录才能拿”的内部资料时直接派上用场）。
二、新概念只有一个：文字 vs 字节，”w” vs “wb”
resp.text 和 resp.content 的区别
先看一个实验。下载一个小文件，打印两种”拿法”的类型：
import requests
resp = requests.get("https://www.python.org/static/img/python-logo.png") # 官网 logo 图片
print(type(resp.text)) # —— 字符串（文字）
print(type(resp.content)) # —— 字节串（原始字节）resp.text是文字：requests 把服务器发来的字节按编码”翻译”成字符串。网页、JSON、CSV 这些本来就是文字的东西，用它没错（前面 45 篇都用的它）；resp.content是原样的字节：服务器发来什么就是什么，一个字节没动。
图片、PDF、Excel、压缩包、音视频——它们不是文字。 一张 PNG 图片的字节里，”翻译成文字”这个动作本身就是错的：强行翻译，遇到翻译不了的字节就乱码甚至直接崩（UnicodeDecodeError）。就像把一张照片塞进翻译软件：照片不是文字，翻译软件只能瞎编或者报错。
所以下载文件的铁律一句话：文件下载用 resp.content，别用 resp.text。
“wb”：原样写入
第9篇学过写文字文件：open("a.txt", "w")。今天加一个字母：
with open("python-logo.png", "wb") as f: # wb = write binary，二进制写入
f.write(resp.content) # 把字节原样写进硬盘w= 写文字（str），写之前会把字符串按编码翻译回字节；wb= 写字节（bytes），什么都不翻译，来什么存什么。
配对关系别搞反，一共就两种组合：
| 读/写 | 文字（str） | 字节（bytes） |
|---|
|——|————|————–|
| 拿内容 | resp.text |
resp.content |
|---|---|---|
| 开文件 | open(path, "w") |
open(path, "wb") |
下载文件 = resp.content + "wb"，两个必须配对用。用 resp.text + "w" 存 PDF？写出来的文件大小不对、打不开、或者直接崩——这是今天头号大坑，疫苗打在坑1。
类比记忆：
resp.text是把外文书翻译成中文给你看——适合本来就字字是文字的网页；resp.content是把原版书整本塞给你——图片 PDF 这种”不是字”的东西，翻译是糟蹋，原样保存才对。"wb"就是”原样入柜”的章。
文件名和文件夹
顺带复习两个小手艺（都是老知识）：
import os
os.makedirs("月度资料/10月", exist_ok=True) # 建文件夹（第30篇），已存在不报错
path = os.path.join("月度资料", "10月", "简报01.pdf") # 拼路径，别手写斜杠os.path.join 拼路径比手写 "月度资料/10月/简报01.pdf" 稳——Windows 用 、Mac/Linux 用 /，join 替你操心。文件名从网页上抠下来时注意去掉非法字符（Windows 文件名不能带 /:*?"|），疫苗打在坑3。
三、动手：先下一个文件，再搬一整批
第 1 步：下一个文件（20 行）
先用最简单的场景把”下载→存盘”跑通：
# download_one.py
import os
import requests
url = "https://www.python.org/static/img/python-logo.png"
resp = requests.get(url, timeout=15)
if resp.status_code != 200:
print(f"下载失败，状态码: {resp.status_code}")
else:
os.makedirs("downloads", exist_ok=True)
path = os.path.join("downloads", "python-logo.png")
with open(path, "wb") as f:
f.write(resp.content)
print(f"下载完成: {path}，大小 {len(resp.content)} 字节")跑一下：python3.14 download_one.py——downloads/ 文件夹里躺着一张 python-logo.png，双击能打开，就说明”字节搬运”打通了。len(resp.content) 就是文件的字节数，和右键”属性”里看到的大小应该一致。
第 2 步：批量下载一整批（抠链接 + 循环下载）
真实任务都是”一整批”。写一个假的下载页练习（省得去打扰真实网站），再写批量下载脚本：
# fake_download_site.py —— 假的"资料下载"栏，用来安全练习
from flask import Flask, send_file
import os
app = Flask(__name__)
os.makedirs("fake_files", exist_ok=True)
# 先造几个假 PDF（内容随便写点字节，扩展名是 pdf 就行，练习够用）
for i in range(1, 4):
with open(f"fake_files/简报{i:02d}.pdf", "wb") as f:
f.write(b"%PDF-1.4 fake report " + str(i).encode() + b"n" * 100)
@app.route("/")
def index():
links = "".join(f'简报{i:02d} ' for i in range(1, 4))
return f"资料下载
{links}
"
@app.route("/files/")
def files(name):
return send_file(f"fake_files/{name}")
if __name__ == "__main__":
app.run(port=5002)# batch_download.py —— 批量下载：抠链接 → 循环下载 → 存盘
import os
import re
import requests
from bs4 import BeautifulSoup
BASE = "http://127.0.0.1:5002"
SAVE_DIR = "月度资料"
resp = requests.get(BASE, timeout=10)
soup = BeautifulSoup(resp.text, "html.parser")
# 第一步：把所有下载链接抠出来（第41篇的手艺）
links = [a["href"] for a in soup.find_all("a") if a.get("href", "").endswith(".pdf")]
print(f"发现 {len(links)} 个文件")
# 第二步：循环下载（第6篇的手艺）
os.makedirs(SAVE_DIR, exist_ok=True)
ok, fail = 0, 0
for href in links:
url = BASE + href if href.startswith("/") else href
filename = os.path.basename(href) # 从链接里取文件名：简报01.pdf
path = os.path.join(SAVE_DIR, filename)
try:
r = requests.get(url, timeout=30)
if r.status_code != 200:
print(f"跳过 {filename}: 状态码 {r.status_code}")
fail += 1
continue
with open(path, "wb") as f:
f.write(r.content)
ok += 1
print(f"已下载 {filename}（{len(r.content)} 字节）")
except requests.RequestException as e:
print(f"失败 {filename}: {e}")
fail += 1
print(f"完成: 成功 {ok} 个, 失败 {fail} 个, 存在 {SAVE_DIR}/")先 python3.14 fake_download_site.py 起服务（另开一个终端），再 python3.14 batch_download.py——月度资料/ 里整整齐齐躺着 简报01.pdf、简报02.pdf、简报03.pdf，文件名是从链接里抠的，没有一个 简报(1).pdf。真实的”资料下载”栏把 BASE 换成真网址即可。
注意循环里的三件小事：每个文件都 try 一下——一批 200 个文件坏一个不该全军覆没（第10篇的手艺）；下载完打印进度——安静的批量任务最让人心里没底；最后汇总成功/失败个数——工具自己交代干得怎么样，这是脚本和工具的分界线。
跟AI说需求的参考说法：
“这是我们要下载的页面（贴 HTML）：里面有一排 a 标签，链接是 PDF。帮我写个 Python 脚本：把所有 PDF 链接抠出来，逐个下载到’月度资料’文件夹，用链接里的文件名保存，每个文件下载失败要报错但不影响后面的，最后打印成功失败汇总。”
四、改进：从”能下载”到”下载工具”
三步升级，都跟AI协作完成：
- 大文件不卡死、不吃内存：
resp.content是”一口气把整个文件装进内存”，下个 500MB 的视频，内存先爆了。改成分块边下边写：resp.iter_content(chunk_size=8192)每次只拿 8KB，拿到一块写一块——内存里永远只有一小块。跟AI说：”帮我把下载改成流式写入（iter_content），并打印下载进度（每下完 10% 打一行）。”（完整代码留在练习3） - 下过的不重下：批量任务跑一半断了，重跑一遍从头来？加一行判断：
os.path.exists(path)且文件大小正常就跳过。跟AI说：”下载前如果目标文件已存在且大于 0 字节，就跳过并打印’已存在’。”——中断重跑就变成”接着干”，200 个文件重跑只补缺的那几个。 - 下载完”验货”：存盘前查一眼
resp.headers.get("Content-Type")，下载 PDF 却收到text/html？那多半是 404 页或登录页被存成了假 PDF（坑2的疫苗）。跟AI说：”下载后检查 Content-Type 是否符合预期（PDF 应该是 application/pdf），不符合就删掉文件并报错。”汇报也补一句：”下载 12 个文件，跳过 3 个已存在，失败 0 个，共 45.2MB。”
五、三个必踩的坑（先打疫苗）
坑1：拿 resp.text 存文件，文件”存出来了”但全打不开。这是下载任务的头号死法：代码跑得欢，文件也生成了，双击 PDF——”文件已损坏”；双击图片——根本打不开。原因就是第二节说的：PDF/图片的字节被当文字”翻译”了一道，翻译过程丢字节、加乱码，写出来的文件早不是原来那个。更隐蔽的是有些字节恰好能翻译，文件”能打开一半”，错误直到打印时才发现。疫苗：下载文件的固定搭配是 resp.content + "wb"，写进你的肌肉记忆。判断标准就一条：文件下完双击能正常打开、大小和网页上标的差不多，才算下成功。
坑2：把”错误页”存成了文件——404 页面躺在简报01.pdf 里。链接失效、网站改版、需要登录……服务器照样会”好心”地给你返回点东西（404 错误页、登录页、”请先登录”的 HTML），status_code 甚至可能不是 200。程序不管三七二十一直接 write(resp.content)——简报01.pdf 生成了，两页 HTML 藏在 .pdf 扩展名里，双击打不开，你又开始怀疑人生。疫苗三查：一查 resp.status_code == 200；二查 Content-Type 是不是预期类型（PDF 是 application/pdf，Excel 是 spreadsheet，图片是 image/）；三查文件大小（错误页一般只有几 KB）。三查不过就大声报错、删掉坏文件，别让假文件混进资料夹。
坑3：文件名里有非法字符/重名覆盖，资料夹变成垃圾场。文件名是从网页上抠的，网页作者想写什么写什么：报销模板（新）最终版!!.pdf、2026/10/简报.pdf（注意这个斜杠！）、简报?.pdf——Windows 文件名不能带 / : * ? " |，直接拿来当文件名轻则报错，重则 简报?.pdf 被解释成路径的一部分，文件存到你根本找不到的地方。另外同名文件会被静默覆盖：上个月的”简报01.pdf”被这个月的盖掉，你连丢了什么都不知道。疫苗：文件名先清洗（把非法字符替换成 _，os.path.basename 去掉路径部分），重名先处理（跳过、或者加日期前缀 2026-10-简报01.pdf），归档类文件名自带日期永远是好习惯。跟AI说：”帮我写个安全文件名函数，去掉非法字符、限制长度、重名时自动加序号。”
六、跟AI协作的正确姿势（下载特供版）
- 把 F12 抓的”下载那一下”贴给AI：F12 → Network → 点下载链接 → 看那条请求的网址和响应头（
Content-Type、Content-Length）。跟AI说：”这个网址返回一个 PDF（Content-Type: application/pdf），帮我写下载脚本。”——连预期文件大小 AI 都能替你写进验证里。 - 让AI把”下载+验证+存盘”包成一个函数：”帮我写一个
download_file(url, save_dir)函数：检查状态码和 Content-Type、清洗文件名、分块写入、已存在就跳过、失败抛中文异常。”一次写好，之后所有批量下载脚本都直接调用。 - 批量任务让AI加上”断点续跑”：”我的批量下载任务经常下到一半断网，帮我改成：已下载的文件跳过，最后汇总哪些成功哪些失败，失败的存成 retry_list.txt 下次重试。”这是批量任务从玩具变工具的关键一步。
- 拿不准”能不能下”就问AI：”这个网站的文件我想批量下载，合适吗？有什么要注意的？”——AI 会提醒你看 robots.txt、控制速度、别把人家服务器压垮。下一篇（第47篇）专门讲这些”爬虫礼仪”，先打个招呼：程序能干不等于可以随便干。
七、今日小练习
练习1：跑通”下一个”和”搬一批”。先跑 download_one.py，确认 downloads/python-logo.png 双击能打开、大小和网页上标的一致；再起 fake_download_site.py、跑 batch_download.py，确认 月度资料/ 里有 3 个 PDF，文件名是 简报01.pdf 到 简报03.pdf，没有 简报(1).pdf 这种鬼名字。
提示：图片打不开先看文件大小——如果只有 1KB 左右且用记事本能打开一堆乱码，多半是错用了 resp.text；批量脚本如果一个链接都没抠到，先在浏览器打开 http://127.0.0.1:5002 确认页面正常、链接结尾确实是 .pdf。
练习2：故意触发”错误页”，看疫苗灵不灵。把 batch_download.py 里的 BASE + href 改成 BASE + "/files/不存在.pdf" 手动下一回，观察现在的程序会把什么存进文件夹；然后按坑2的”三查”给代码加上状态码检查，再跑一次——应该是”跳过 不存在.pdf: 状态码 404″，文件夹里不留下假 PDF。
提示：判断程序好坏的标准不是”不报错”，而是”错得让你看得见”。对比一下加检查前后 月度资料/ 里的文件——用记事本打开那个假 PDF 看看里面藏的是什么，你就明白为什么必须验货了。
练习3（动脑+选做）：给工具装上”大文件模式”和”断点续跑”。按第四节跟AI协作实现两点：①用 resp.iter_content(chunk_size=8192) 分块下载，每完成 10% 打印一行进度；②目标文件已存在且大于 0 字节就跳过。验收：把 chunk_size 调成 1024 下一个几 MB 的文件看进度打印；中断一次（Ctrl+C）再重跑，确认已下的文件被跳过。选做挑战：下载失败的 URL 收集进 retry_list.txt，写个 retry.py 读取重试——批量任务的”断点续跑”就齐活了。
提示：分块写入用 with open(path, "wb") as f: for chunk in resp.iter_content(...): if chunk: f.write(chunk)——if chunk 是过滤心跳包的空块，别省。进度百分比用 已写字节 / 总字节 × 100，总字节在 resp.headers.get("Content-Length") 里（它可能缺失，缺失就不打百分比、只打已下多少 KB）。
下篇预告
下一篇（第47篇）：爬虫礼仪 — 程序能干，不等于可以随便干。下载和爬取都是”从别人网站拿东西”，拿得太凶、拿了不该拿的，轻则被封 IP，重则吃官司。下一篇学两样护身符：robots.txt（网站贴在门口的”欢迎/不欢迎”告示）和限速（做个体面的访客）。今天先把搬运手艺练熟——下一篇教你怎么搬得礼貌。
发表回复