web-dev-qa-db-ja.com

「スマート」な方法でpythonを使用してファイルをダウンロードするには?

Pythonでhttp経由でいくつかのファイルをダウンロードする必要があります。

最も明白な方法は、urllib2を使用することです。

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

しかし、何らかの形で厄介なURLを処理する必要があります。次のように言います:http://server.com/!Run.aspx/someoddtext/somemore?id=121&m=pdf。ブラウザ経由でダウンロードすると、ファイルは人間が読める名前になります。 accounts.pdf

Pythonでそれを処理する方法はありますか?そのため、ファイル名を知ってスクリプトにハードコードする必要はありませんか?

67
kender

このようなスクリプトをダウンロードすると、ユーザーエージェントにファイルの名前を伝えるヘッダーをプッシュする傾向があります。

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

そのヘッダーを取得できる場合は、適切なファイル名を取得できます。

別のスレッド があり、Content-Disposition-つかむ。

remotefile = urllib2.urlopen('http://example.com/somefile.Zip')
remotefile.info()['Content-Disposition']
41
Oli

コメントと@Oliのアンサーに基づいて、私はこのような解決策を作りました:

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()

Content-Dispositionからファイル名を取得します。存在しない場合は、URLのファイル名を使用します(リダイレクトが発生した場合、最終的なURLが考慮されます)。

35
kender

上記の多くを組み合わせて、よりPython的なソリューションを以下に示します。

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()
23
lostlogic

2 Kender

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

安全ではありません-Webサーバーは間違った形式の名前を["file.ext]または[file.ext ']として渡すことができます。また、空であってもlocalName [0]は例外を発生させます。正しいコードは次のようになります。

localName = localName.replace('"', '').replace("'", "")
if localName == '':
    localName = SOME_DEFAULT_FILE_NAME
1
Denis Barmenkov

wgetを使用:

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

Urlretrieveの使用:

urllib.urlretrieve(url, custom_file_name)

urlretrieveは、存在しない場合はディレクトリ構造も作成します。

0
Jaydev