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?
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']
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)。
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()
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
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。