Python urllib2文件名

如果我使用urllib2打开一个文件，如下所示：

remotefile = urllib2.urlopen('http://example.com/somefile.zip')

除了解析原始URL之外，是否有一种简单的方法来获取文件名

编辑：已将openfile更改为urlopen。。。我不知道这是怎么发生的

编辑2：我最终使用了：

filename = url.split('/')[-1].split('#')[0].split('?')[0]

---

除非我弄错了，否则这也应该排除所有潜在的查询。

你的意思是

urlib2.urlopen

？

urllib2

模块中没有名为

openfile

的函数

无论如何，请使用

urllib2.urlparse

函数：

>>> from urllib2 import urlparse
>>> print urlparse.urlsplit('http://example.com/somefile.zip')
('http', 'example.com', '/somefile.zip', '', '')

瞧。

我认为“文件名”在http传输中不是一个很好定义的概念。服务器可能（但不要求）提供一个作为“内容处置”标头，您可以尝试使用

remotefile.headers['content-disposition']

获取该标头。如果失败，您可能必须自己解析URI。

您的意思是

如果服务器正在发送内容处置头，您可以通过选中

remotefile.info（）['Content-Disposition']

，潜在地提升预期的文件名，但实际上，我认为您只需解析url即可

您可以使用

urlparse.urlspit

，但是如果您有第二个示例中所示的URL，您将不得不自己提取文件名：

>>> urlparse.urlsplit('http://example.com/somefile.zip')
('http', 'example.com', '/somefile.zip', '', '')
>>> urlparse.urlsplit('http://example.com/somedir/somefile.zip')
('http', 'example.com', '/somedir/somefile.zip', '', '')

不妨这样做：

>>> 'http://example.com/somefile.zip'.split('/')[-1]
'somefile.zip'
>>> 'http://example.com/somedir/somefile.zip'.split('/')[-1]
'somefile.zip'

---

我想这取决于你所说的解析是什么意思。如果不解析URL，就无法获取文件名，即远程服务器不提供文件名。但是，您不必自己做太多，这里有

urlparse

模块：

In [9]: urlparse.urlparse('http://example.com/somefile.zip')
Out[9]: ('http', 'example.com', '/somefile.zip', '', '', '')

这不是openfile，但可能仍然有帮助：）

据我所知，这不是

但您可以像这样很容易地解析它：

---

如果您只需要文件名本身，假设末尾没有查询变量，那么您可以使用os.path.basename：

[user@host]$ python
Python 2.5.1 (r251:54869, Apr 18 2007, 22:08:04) 
Type "help", "copyright", "credits" or "license" for more information.
>>> import os
>>> os.path.basename("http://example.com/somefile.zip")
'somefile.zip'
>>> os.path.basename("http://example.com/somedir/somefile.zip")
'somefile.zip'
>>> os.path.basename("http://example.com/somedir/somefile.zip?foo=bar")
'somefile.zip?foo=bar'

---

其他一些海报提到使用urlparse，这会起作用，但您仍然需要从文件名中去掉前导目录。如果使用os.path.basename（），则不必担心这一点，因为它只返回URL或文件路径的最后一部分。

使用

urlspit

是最安全的选项：

url = 'http://example.com/somefile.zip'
urlparse.urlsplit(url).path.split('/')[-1]

---

使用请求，但使用urllib（2）可以轻松完成

---

我只是看到了我通常做的

filename = url.split("?")[0].split("/")[-1]

---

os.path.basename

函数不仅适用于文件路径，也适用于URL，因此您不必自己手动解析URL。另外，需要注意的是，为了遵循重定向响应，您应该使用

result.url

，而不是原始url：

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

---

您可能可以在这里使用简单的正则表达式。比如：

In [26]: import re
In [27]: pat = re.compile('.+[\/\?#=]([\w-]+\.[\w-]+(?:\.[\w-]+)?$)')
In [28]: test_set 

['http://www.google.com/a341.tar.gz',
 'http://www.google.com/a341.gz',
 'http://www.google.com/asdasd/aadssd.gz',
 'http://www.google.com/asdasd?aadssd.gz',
 'http://www.google.com/asdasd#blah.gz',
 'http://www.google.com/asdasd?filename=xxxbl.gz']

In [30]: for url in test_set:
   ....:     match = pat.match(url)
   ....:     if match and match.groups():
   ....:         print(match.groups()[0])
   ....:         

a341.tar.gz
a341.gz
aadssd.gz
aadssd.gz
blah.gz
xxxbl.gz

pythonic解决方案使用不依赖于操作系统且能优雅地处理URL的URL：

>>> from pathlib import PurePosixPath
>>> path = PurePosixPath('http://example.com/somefile.zip')
>>> path.name
'somefile.zip'
>>> path = PurePosixPath('http://example.com/nested/somefile.zip')
>>> path.name
'somefile.zip'

---

请注意，这里没有网络流量或其他任何东西（即，这些URL不会去任何地方）-仅使用标准解析规则。

您还可以将两个最佳答案结合起来： 使用urllib2.urlparse.urlspit（）获取URL的路径部分，然后使用os.path.basename获取实际文件名

完整代码为：

>>> remotefile=urllib2.urlopen(url)
>>> try:
>>>   filename=remotefile.info()['Content-Disposition']
>>> except KeyError:
>>>   filename=os.path.basename(urllib2.urlparse.urlsplit(url).path)

---

我认为这不正确。我的意思是urllib2.openfile（…）确保您知道在这两种情况下需要什么：尾部斜杠（

http://example.com/somefile/

）并且没有路径：

http://example.com

您的示例肯定会在后者上失败（返回“example.com”）。@insin的最终答案也是如此。这也是为什么使用URLSPIT是一个好建议的另一个原因。从响应标题来看：这里的许多答案忽略了一个事实，即有两个地方可以查找文件名：URL和内容处置标题字段。当前所有提到头的答案都忽略了提及cgi.parse_header（）将正确解析它。这里有一个更好的答案：使用posixpath.basename（）而不是在“/”上手动拆分。我将始终使用urlspilt（）而不是直接拆分字符串。如果你有一个附加了片段或查询的URL，比如说，后者就会阻塞。那么转义字符呢？是否应该首先解码这些内容？使用

os.path

解析URL似乎依赖于当前操作系统的拆分路径，就像拆分URL一样。我不认为每个操作系统都能保证这一点。这在Windows上不起作用。使用

导入posixpath；改为posixpath.basename

。

In [26]: import re
In [27]: pat = re.compile('.+[\/\?#=]([\w-]+\.[\w-]+(?:\.[\w-]+)?$)')
In [28]: test_set 

['http://www.google.com/a341.tar.gz',
 'http://www.google.com/a341.gz',
 'http://www.google.com/asdasd/aadssd.gz',
 'http://www.google.com/asdasd?aadssd.gz',
 'http://www.google.com/asdasd#blah.gz',
 'http://www.google.com/asdasd?filename=xxxbl.gz']

In [30]: for url in test_set:
   ....:     match = pat.match(url)
   ....:     if match and match.groups():
   ....:         print(match.groups()[0])
   ....:         

a341.tar.gz
a341.gz
aadssd.gz
aadssd.gz
blah.gz
xxxbl.gz

>>> from pathlib import PurePosixPath
>>> path = PurePosixPath('http://example.com/somefile.zip')
>>> path.name
'somefile.zip'
>>> path = PurePosixPath('http://example.com/nested/somefile.zip')
>>> path.name
'somefile.zip'

>>> remotefile=urllib2.urlopen(url)
>>> try:
>>>   filename=remotefile.info()['Content-Disposition']
>>> except KeyError:
>>>   filename=os.path.basename(urllib2.urlparse.urlsplit(url).path)