如何以“更智能”的方式使用 python 下载文件？

Question

我需要在 Python 中通过 http 下载几个文件。

最明显的方法就是使用 urllib2：

import urllib2
u = urllib2.urlopen('http://server.com/file.html')
localFile = open('file.html', 'w')
localFile.write(u.read())
localFile.close()

但我将不得不处理以某种方式令人讨厌的 URL，例如：http://server.com/!Run.aspx/someoddtext/somemore?id=121&m=pdf。当通过浏览器下载时，该文件有一个人类可读的名称，即。 accounts.pdf。

有没有办法在 python 中处理它，所以我不需要知道文件名并将它们硬编码到我的脚本中？

Answer 1

下载这样的脚本往往会推送一个标题，告诉用户代理如何命名文件：

Content-Disposition: attachment; filename="the filename.ext"

如果你能抓住那个标题，你就能得到正确的文件名。

another thread 有一些代码可以提供给Content-Disposition-grabbing。

remotefile = urllib2.urlopen('http://example.com/somefile.zip')
remotefile.info()['Content-Disposition']

Answer 2

基于cmets和@Oli的anwser，我做了一个这样的解决方案：

from os.path import basename
from urlparse import urlsplit

def url2name(url):
    return basename(urlsplit(url)[2])

def download(url, localFileName = None):
    localName = url2name(url)
    req = urllib2.Request(url)
    r = urllib2.urlopen(req)
    if r.info().has_key('Content-Disposition'):
        # If the response has Content-Disposition, we take file name from it
        localName = r.info()['Content-Disposition'].split('filename=')[1]
        if localName[0] == '"' or localName[0] == "'":
            localName = localName[1:-1]
    elif r.url != url: 
        # if we were redirected, the real file name we take from the final URL
        localName = url2name(r.url)
    if localFileName: 
        # we can force to save the file as specified name
        localName = localFileName
    f = open(localName, 'wb')
    f.write(r.read())
    f.close()

它从 Content-Disposition 中获取文件名；如果不存在，则使用 URL 中的文件名（如果发生重定向，则考虑最终 URL）。

Answer 3

结合以上大部分内容，这是一个更 Pythonic 的解决方案：

import urllib2
import shutil
import urlparse
import os

def download(url, fileName=None):
    def getFileName(url,openUrl):
        if 'Content-Disposition' in openUrl.info():
            # If the response has Content-Disposition, try to get filename from it
            cd = dict(map(
                lambda x: x.strip().split('=') if '=' in x else (x.strip(),''),
                openUrl.info()['Content-Disposition'].split(';')))
            if 'filename' in cd:
                filename = cd['filename'].strip("\"'")
                if filename: return filename
        # if no filename was found above, parse it out of the final URL.
        return os.path.basename(urlparse.urlsplit(openUrl.url)[2])

    r = urllib2.urlopen(urllib2.Request(url))
    try:
        fileName = fileName or getFileName(url,r)
        with open(fileName, 'wb') as f:
            shutil.copyfileobj(r,f)
    finally:
        r.close()

Answer 4

2肯德：

if localName[0] == '"' or localName[0] == "'":
    localName = localName[1:-1]

这是不安全的——Web 服务器可以将错误的格式名称传递为 ["file.ext] 或 [file.ext'] 甚至为空，并且 localName[0] 会引发异常。 正确的代码可以是这样的：

localName = localName.replace('"', '').replace("'", "")
if localName == '':
    localName = SOME_DEFAULT_FILE_NAME

Answer 5

使用wget：

custom_file_name = "/custom/path/custom_name.ext"
wget.download(url, custom_file_name)

使用 urlretrieve：

urllib.urlretrieve(url, custom_file_name)

如果不存在，urlretrieve 也会创建目录结构。

Answer 6

您需要查看 'Content-Disposition' 标头，请参阅 kender 的解决方案。

如何以“更智能”的方式使用 python 下载文件？

发布修改后的解决方案，可以指定输出文件夹：

from os.path import basename
import os
from urllib.parse import urlsplit
import urllib.request

def url2name(url):
    return basename(urlsplit(url)[2])

def download(url, out_path):
    localName = url2name(url)
    req = urllib.request.Request(url)
    r = urllib.request.urlopen(req)
    if r.info().has_key('Content-Disposition'):
        # If the response has Content-Disposition, we take file name from it
        localName = r.info()['Content-Disposition'].split('filename=')[1]
        if localName[0] == '"' or localName[0] == "'":
            localName = localName[1:-1]
    elif r.url != url: 
        # if we were redirected, the real file name we take from the final URL
        localName = url2name(r.url)

    localName = os.path.join(out_path, localName)
    f = open(localName, 'wb')
    f.write(r.read())
    f.close()

download("https://example.com/demofile", '/home/username/tmp')

我刚刚更新了kender for python3的答案