Python 使用 HTTP 查找远程文件

Question

如何查找远程 (HTTP) 文件上的特定位置以便只能下载该部分？

假设远程文件上的字节为： 1234567890

我想查找 4 并从那里下载 3 个字节，这样我就会得到： 456

另外，如何检查远程文件是否存在？ 我尝试过 os.path.isfile() 但当我传递远程文件 url 时它返回 False 。

Answer 1

如果您通过 HTTP 下载远程文件，则需要设置 Range 标头。

检查在此示例中如何完成。看起来像这样：

myUrlclass.addheader("Range","bytes=%s-" % (existSize))

编辑：我刚刚找到了一个更好的实现。这个类使用起来非常简单，正如在文档字符串中可以看到的那样。

class HTTPRangeHandler(urllib2.BaseHandler):
"""Handler that enables HTTP Range headers.

This was extremely simple. The Range header is a HTTP feature to
begin with so all this class does is tell urllib2 that the 
"206 Partial Content" reponse from the HTTP server is what we 
expected.

Example:
    import urllib2
    import byterange

    range_handler = range.HTTPRangeHandler()
    opener = urllib2.build_opener(range_handler)

    # install it
    urllib2.install_opener(opener)

    # create Request and set Range header
    req = urllib2.Request('http://www.python.org/')
    req.header['Range'] = 'bytes=30-50'
    f = urllib2.urlopen(req)
"""

def http_error_206(self, req, fp, code, msg, hdrs):
    # 206 Partial Content Response
    r = urllib.addinfourl(fp, hdrs, req.get_full_url())
    r.code = code
    r.msg = msg
    return r

def http_error_416(self, req, fp, code, msg, hdrs):
    # HTTP's Range Not Satisfiable error
    raise RangeError('Requested Range Not Satisfiable')

更新：“更好的实现”已移至github：excid3/urlgrabber在 byterange.py 文件中。

Answer 2

我强烈建议使用 requests 库。它无疑是我用过的最好的 HTTP 库。特别是，为了完成您所描述的内容，您将执行以下操作：

import requests

url = "http://www.sffaudio.com/podcasts/ShellGameByPhilipK.Dick.pdf"

# Retrieve bytes between offsets 3 and 5 (inclusive).
r = requests.get(url, headers={"range": "bytes=3-5"})

# If a 4XX client error or a 5XX server error is encountered, we raise it.
r.raise_for_status()

Answer 3

AFAIK，这是不可能使用 fseek() 或类似的。您需要使用 HTTP Range 标头来实现此目的。服务器可能支持也可能不支持此标头，因此您的情况可能会有所不同。

import urllib2

myHeaders = {'Range':'bytes=0-9'}

req = urllib2.Request('http://www.promotionalpromos.com/mirrors/gnu/gnu/bash/bash-1.14.3-1.14.4.diff.gz',headers=myHeaders)

partialFile = urllib2.urlopen(req)

s2 = (partialFile.read())

编辑：这当然是假设远程文件是指存储在 HTTP 服务器上的文件...

如果您想要的文件位于 FTP 服务器上，则 FTP 只允许指定开始偏移量而不是一个范围。如果这是你想要的，那么下面的代码应该可以做到（未经测试！）

import ftplib
fileToRetrieve = 'somefile.zip'
fromByte = 15
ftp = ftplib.FTP('ftp.someplace.net')
outFile = open('partialFile', 'wb')
ftp.retrbinary('RETR '+ fileToRetrieve, outFile.write, rest=str(fromByte))
outFile.close()

Answer 4

您可以使用 httpio 访问远程 HTTP 文件，就像它们是本地文件一样：

pip install httpio

import zipfile
import httpio

url = "http://some/large/file.zip"
with httpio.open(url) as fp:
    zf = zipfile.ZipFile(fp)
    print(zf.namelist())