在 Python 中使用带有 wget -c 功能的 urllib 下载文件

Question

我正在用 Python 编写一个软件来从数据库下载 HTTP PDF。 有时下载会因此消息而停止：

retrieval incomplete: got only 3617232 out of 10689634 bytes

如何使用206 Partial Content HTTP 功能要求下载在停止的地方重新开始？

我可以使用wget -c 来做到这一点，而且效果很好，但我想直接在我的 Python 软件中实现它。

有什么想法吗？

谢谢

Answer 1

您可以通过发送带有 Range 标头的 GET 请求部分下载：

import urllib2
req = urllib2.Request('http://www.python.org/')
#
# Here we request that bytes 18000--19000 be downloaded.
# The range is inclusive, and starts at 0.
#
req.headers['Range'] = 'bytes=%s-%s' % (18000, 19000)
f = urllib2.urlopen(req)
# This shows you the *actual* bytes that have been downloaded.
range=f.headers.get('Content-Range')
print(range)
# bytes 18000-18030/18031
print(repr(f.read()))
# '  </div>\n</body>\n</html>\n\n\n\n\n\n\n'

请仔细检查Content-Range 以了解实际下载了哪些字节，因为您的范围可能超出范围，和/或并非所有服务器似乎都尊重Range 标头。