如何确定在Python中使用HTTP下载的内容的文件名？
我使用Python库的get函数下载了一个文件。为了存储该文件，我想确定web浏览器对其“保存”或“另存为.”的文件名。对话。
别紧张，对吧？我只需在响应对象上访问Content-Disposition header：
import re
d = r.headers['content-disposition']
fname = re.findall("filename=(.+)", d)但是仔细看看这个话题，就不会那么容易了：
根据RFC 6266第4.3节和第4.1节中的语法，值可以是一个未引用的令牌(例如the_report.pdf)或一个引号字符串，该字符串也可以包含空格(例如"the report.pdf")和转义序列。此外，
当“文件名”和“文件名*”都出现在单个标题字段值中时，我们应该选择"filename*“而忽略"filename”。
然而，filename*的值是但是更复杂一些，而不是filename。
此外，RFC似乎允许在=周围添加额外的空白。
因此，对于RFC中列出的例子，我希望得到以下结果：
- 内容处理:附件；filename=example.html
文件名：
example.html - 内容处理:内联；FILENAME= "an example.html“
文件名：
an example.html - 内容处理:附件；filename*= UTF-8‘%e2%82%ac%20%
文件名：
€ rates - 内容处理:附件；filename=“欧元利率”；文件名*=utf-8‘’%e2%82%ac%20
文件名：
€ rates在这里也是(而不是EURO rates，因为filename*优先)
现在，我可以很容易地将正则表达式调整为=周围的可变空格，但是让它处理所有其他变体也会变得相当笨拙。(通过引用和转义，我甚至不确定RegEx是否能涵盖所有的情况。也许他们可以，因为没有支撑嵌套的问题。)
所以，我需要实现一个完整的解析器吗，还是可以通过对库(可能是requests本身)的几次调用来根据RFC 6266确定文件名？由于RFC 6266是HTTP标准的一部分，我可以想象一些专门针对HTTP的库已经涵盖了这一点。(所以我有还询问了软件建议SE。)
回答 3
Stack Overflow用户
发布于 2016-05-05 21:40:54
rfc6266库似乎完全满足了您的需要。它可以解析原始头、requests响应和urllib2响应。在PyPI上。
下面是一些例子：
>>> import rfc6266, requests
>>> rfc6266.parse_headers('''Attachment; filename=example.html''').filename_unsafe
'example.html'
>>> rfc6266.parse_headers('''INLINE; FILENAME= "an example.html"''').filename_unsafe
'an example.html'
>>> rfc6266.parse_headers(
'''attachment; '''
'''filename*= UTF-8''%e2%82%ac%20rates''').filename_unsafe
'€ rates'
>>> rfc6266.parse_headers(
'''attachment; '''
'''filename="EURO rates"; '''
'''filename*=utf-8''%e2%82%ac%20rates''').filename_unsafe
'€ rates'
>>> r = requests.get('http://example.com/€ rates')
>>> rfc6266.parse_requests_response(r).filename_unsafe
'€ rates'不过，请注意:这个库不喜欢标题中的非标准空格。
Stack Overflow用户
发布于 2018-07-28 10:27:01
如果你真的不需要utf-8的结果
def getFilename(s):
fname = re.findall("filename\*?=([^;]+)", s, flags=re.IGNORECASE)
print fname[0].strip().strip('"')但是如果utf-8是必须的
def getFilename(s):
fname = re.findall("filename\*=([^;]+)", s, flags=re.IGNORECASE)
if not fname:
fname = re.findall("filename=([^;]+)", s, flags=re.IGNORECASE)
if "utf-8''" in fname[0].lower():
fname = re.sub("utf-8''", '', fname[0], flags=re.IGNORECASE)
fname = urllib.unquote(fname).decode('utf8')
else:
fname = fname[0]
# clean space and double quotes
print fname.strip().strip('"')
# example
getFilename('Attachment; filename=example.html')
getFilename('INLINE; FILENAME= "an example.html"')
getFilename("attachment;filename*= UTF-8''%e2%82%ac%20rates")
getFilename("attachment; filename=\"EURO rates\";filename*=utf-8''%e2%82%ac%20rates")
getFilename("attachment;filename=\"_____ _____ ___ __ ____ _____ Hekayt Bent.2017.mp3\";filename*=UTF-8''%D8%A7%D8%BA%D9%86%D9%8A%D9%87%20%D8%AD%D9%83%D8%A7%D9%8A%D8%A9%20%D8%A8%D9%86%D8%AA%20%D9%84%D9%80%20%D9%85%D8%AD%D9%85%D8%AF%20%D8%B4%D8%AD%D8%A7%D8%AA%D8%A9%20Hekayt%20Bent.2017.mp3")结果
example.html
an example.html
€ rates
€ rates
اغنيه حكاية بنت لـ محمد شحاتة Hekayt Bent.2017.mp3Stack Overflow用户
发布于 2022-08-19 15:22:41
在2022年，似乎原始答案中推荐的Python模块原始答案已经被放弃了，并且不能真正使用较新版本的Python。
好消息是有一个替换模块(几个模块中的一个，但这个模块实际上是工作的！)名为pyrfc6266
它可以安装以下设备：
pip install pyrfc6266并以同样的方式：
import pyrfc6266
pyrfc6266.parse_filename('attachment; filename="foo.html"')或
import requests
import pyrfc6266
response = requests.get('http://httpbin.org/response-headers?Content-Disposition=attachment;%20filename%3d%22foo.html%22')
pyrfc6266.requests_response_to_filename(response)https://stackoverflow.com/questions/37060344
复制相似问题
腾讯云开发者
