在 Python 中使用 urllib2。如何获取正在下载的文件的名称？

Question

我是一个Python初学者。我正在使用 urllib2 下载文件。下载文件时，我指定一个文件名，用于将下载的文件保存在硬盘上。但是，如果我使用浏览器下载文件，则会自动提供默认文件名。

这是我的代码的简化版本：

def downloadmp3(url):
    webFile = urllib2.urlopen(url)
    filename = 'temp.zip'
    localFile = open(filename, 'w')
    localFile.write(webFile.read())

文件下载得很好，但是如果我将变量“url”中存储的字符串输入到浏览器中，则下载时会为该文件指定一个默认文件名。我想将此文件名用于我下载的文件，而不是“temp.zip”或我指定的任何文件名。

如何使用 urllib2 （或其他一些 Python 库）以我下载的服务器想要的文件名保存文件？

如果有人不明白这个问题，请说出来，以便我可以尽力说得更清楚。

Answer 1

文件名通常由服务器通过 content-disposition 标头包含：

content-disposition: attachment; filename=foo.pdf

访问标头

result = urllib2.urlopen(...)
result.info() <- contains the headers


i>>> import urllib2
ur>>> result = urllib2.urlopen('http://zopyx.com')
>>> print result
<addinfourl at 4302289808 whose fp = <socket._fileobject object at 0x1006dd5d0>>
>>> result.info()
<httplib.HTTPMessage instance at 0x1006fbab8>
>>> result.info().headers
['Date: Mon, 04 Apr 2011 02:08:28 GMT\r\n', 'Server: Zope/(unreleased version, python 2.4.6, linux2) ZServer/1.1 Plone/3.3.4\r\n', 'Content-Length: 15321\r\n', 'Content-Type: text/html; charset=utf-8\r\n', 'Via: 1.1 www.zopyx.com\r\n', 'Cache-Control: max-age=3600\r\n', 'Expires: Mon, 04 Apr 2011 03:08:28 GMT\r\n', 'Connection: close\r\n']

您可以通过查看

http://docs .python.org/library/urllib2.html

但请注意，此标头不需要存在。否则，您需要根据请求的 URL 自行生成合理的名称 - 例如，根据 URI 的最后一个组成部分。
在这种情况下，请使用 Python 的 urlparse() 方法。

Answer 2

我对之前答案的问题是他们使用的是原始 URL，在重定向的情况下会失败。我是这样做的：（注意使用 result.url 而不是 url）

import os
import urllib2
result = urllib2.urlopen(url)
filename = os.path.basename(urllib2.urlparse.urlparse(result.url).path)

Answer 3

您可以使用 urlretrieve 来做到这一点：

http://docs.python.org/library/urllib.html< /a>

Answer 4

我遇到了一个问题，服务器没有给我任何 content-disposition 标头，因此如果这也是您的情况，您可以像这样从 url 中提取文件名：

os.path.basename(urlparse.urlparse(file_url))

在我的情况下，我使用 file_stream.headers .subtype 其中包含文件扩展名，我根据 django 的模型 slug 重命名了文件，这是一个示例：

import urlparse, os

tmp_file = NamedTemporaryFile(delete=True)
file_stream = urllib2.urlopen(file_url)
tmp_file.write(file_stream.read())
tmp_file.flush()

new_file_name = "some_prefix_" + my_model.slug + "." + file_stream.headers.subtype
#You may prefer this:
# new_file_name = os.path.basename(urlparse.urlparse(file_url))

my_model.file.save(new_file_name, File(tmp_file))

最后一行是使用 django 的 save 方法保存文件，还通过在末尾添加随机字符来处理重复的文件名:)

太棒了。