无法解析 HTTP 响应标头中的文件名编码答案

【问题标题】：Cannot resolve encoding of filename in HTTP response headers无法解析 HTTP 响应标头中的文件名编码
【发布时间】：2021-08-14 15:06:15
【问题描述】：

我正在尝试使用 urrlib.request 在 Python 中发出 HTTP 请求：

import urllib.request
url = 'https://www.example.com/pdf/123'
request = urllib.request.urlopen(url)
headers = request.getheaders()

当尝试打印标题时，输出包括使用西里尔文但编码错误的文件名：

('Content-Disposition', 'attachment; filename="Ð\x9fÑ\x80Ð¾ Ð½Ð°Ñ\x83Ðº-Ð´Ð¾Ñ\x81Ð» Ñ\x81ÐµÐ¼Ñ\x96Ð½Ð°Ñ\x80.pdf"; modification-date="Thu, 12 May 2016 01:48:56 +0300"; size=57814;')

这可能与默认设置的二进制编码有关，因为 HTTp 响应是 PDF 文件，但我可能是错的。此外，尝试通过浏览器下载该文件，文件名以西里尔文正确显示和保存，无需 mojibake：Про наук-досл семінар.pdf。

所以，我猜"Ð\x9fÑ\x80Ð¾ Ð½Ð°Ñ\x83Ðº-Ð´Ð¾Ñ\x81Ð» Ñ\x81ÐµÐ¼Ñ\x96Ð½Ð°Ñ\x80" 对应于"Про наук-досл семінар"。

如何让 Python 在 HTTP 响应标头中正确显示文件名？

【问题讨论】：

检查response.encoding，必要时设置response.encoding = 'utf-8'？
@JosefZ 在 urllib 库 HTTPResponse 没有属性“编码”。尝试使用 requests 模块时，response.encoding 为 None 并将其设置为 utf-8 或任何其他编码没有任何改变。

标签： python encoding request http-headers urllib

【解决方案1】：

想通了。将标头返回的字符串编码为latin-1，然后将其解码为 utf-8 对我有用。

输入：

headers[6][1]

输出：

'attachment; filename="Ð\x9fÑ\x80Ð¾ Ð½Ð°Ñ\x83Ðº-Ð´Ð¾Ñ\x81Ð» Ñ\x81ÐµÐ¼Ñ\x96Ð½Ð°Ñ\x80.pdf"; modification-date="Thu, 12 May 2016 01:48:56 +0300"; size=57814;'

输入：

headers[6][1].encode('latin1')

输出：

b'attachment; filename="\xd0\x9f\xd1\x80\xd0\xbe \xd0\xbd\xd0\xb0\xd1\x83\xd0\xba-\xd0\xb4\xd0\xbe\xd1\x81\xd0\xbb \xd1\x81\xd0\xb5\xd0\xbc\xd1\x96\xd0\xbd\xd0\xb0\xd1\x80.pdf"; modification-date="Thu, 12 May 2016 01:48:56 +0300"; size=57814;'

输入：

headers[6][1].encode('latin1').decode('utf-8')

输出：

'attachment; filename="Про наук-досл семінар.pdf"; modification-date="Thu, 12 May 2016 01:48:56 +0300"; size=57814;'

【讨论】：