Python MIME类型的文件扩展名为；字符集=UTF-8

我有一个Python网络爬虫，它正在下载具有不同扩展名的文件。为了从HTTP头内容类型获得扩展，我使用Python库

除了HTTP头内容类型包含

；字符集=UTF-8

。例如，

mimetypes.guess\u extension

正在返回以下示例的

None

content-type: text/plain;charset=UTF-8 # extension should be .txt OR  
content-type: text/x-c;charset=UTF-8   # extension should be .java

使用mimetypes进行检查：

>>> import mimetypes
>>> print(mimetypes.guess_extension('text/plain;charset=UTF-8'))
None
>>> 

问题：如何处理此问题并从以

结尾的内容类型中获得正确的扩展名；字符集=UTF-8

？

---

我想用if语句捕获此类异常不是一个好的解决方案，因为我永远不知道白名单是否完整，或者是否缺少某些内容类型。

一种简单的处理方法是拆分MIME字符串，只获取第一个元素

以下代码将返回这两种情况的预期结果

http_header = session.head(url, headers={'Accept-Encoding': 'identity'})
extension = mimetypes.guess_extension(http_header.headers['content-type'].split(";")[0])))

---

记住这只是猜测。对于如此宽泛的定义，比如纯文本，您不能期望从中得到太多。它似乎是mimetypes.guess_extension（）只取这个列表的第一个元素。这也是猜测text/plain returns.h的mimetype的原因，而.txt是明显的选择。

感谢您的回答，不幸的是，这不起作用。对于

文本/纯文本；charset=UTF-8

我得到的结果是

.ksh

而不是

.txt

。对于

文本/纯文本；charset=UTF-8

我得到的是

.c

而不是

.java

。这正是函数名所说的，只是猜测。对于诸如纯文本之类的广泛定义，您不能期望从中得到太多。它似乎是mimetypes.guess_extension（）只取这个列表的第一个元素。这也是猜测text/plain的mimetype返回.h的原因，而.txt是明显的选择。您可能会认为dict查找比“猜测”更好。例如，image/jpeg->jpe。那太可怕了。

http_header = session.head(url, headers={'Accept-Encoding': 'identity'})
extension = mimetypes.guess_extension(http_header.headers['content-type'].split(";")[0])))