我正在使用Python requests 库从网络上获取PDF文件。这个工作很好，但是我现在也想要原始文件名。如果我在Firefox中访问PDF文件并单击下载，它已经定义了要保存PDF的文件名。我该如何获取这个文件名呢？
例如：
import requests
r = requests.get('http://www.researchgate.net/profile/M_Gotic/publication/260197848_Mater_Sci_Eng_B47_%281997%29_33/links/0c9605301e48beda0f000000.pdf')
print r.headers['content-type'] # prints 'application/pdf'
我检查了r.headers里面有没有什么有趣的东西，但是里面没有文件名。实际上我希望有像r.filename这样的东西。
有人知道如何使用requests库获取已下载PDF文件的文件名吗？
在HTTP头中指定了content-disposition。因此，要提取名称，您需要执行以下操作：
import re
d = r.headers['content-disposition']
fname = re.findall("filename=(.+)", d)[0]
通过正则表达式(re模块)从字符串中提取的名称。
fname = re.findall("filename=(.+)", d)[0]。 - Nilpo"filename=\"(.+)\"" 来去除引号。 - sheunglailiresp.headers['Content-Type'].split('/')[-1] 的方式确定正确的扩展名作为后缀。 - weezillacgi.parse_header 和 email.header.decode_header 来正确解析文件名。 - sshilovsky在其他答案的基础上，这是我如何处理的。如果没有Content-Disposition头部，我会从下载链接中解析它：
建立在其他答案的基础上，这是我的做法。如果不包含Content-Disposition头部，我会从下载URL中解析它：
import re
import requests
from requests.exceptions import RequestException
url = 'http://www.example.com/downloads/sample.pdf'
try:
with requests.get(url) as r:
fname = ''
if "Content-Disposition" in r.headers.keys():
fname = re.findall("filename=(.+)", r.headers["Content-Disposition"])[0]
else:
fname = url.split("/")[-1]
print(fname)
except RequestException as e:
print(e)
可能有更好的解析URL字符串的方法，但为了简单起见，我不想涉及更多的库。
urllib.parse.unquote，这样您就不会在文件名中得到%20。 - Noumenon显然，对于这个特定的资源它在：
r.headers['content-disposition']
虽然我不确定是否总是这样。
获取Content-Disposition中的文件名的Python3简单实现：
import requests
response = requests.get(<your-url>)
print(response.headers.get("Content-Disposition").split("filename=")[1])
response.headers.get("Content-Disposition","filename=output.bin") 的方式来处理缺失的头部信息。 - ThisGuyCantEvenwerkzeug 来处理选项头信息，详见https://werkzeug.palletsprojects.com/en/0.15.x/http/#werkzeug.http.parse_options_header。>>> import werkzeug
>>> werkzeug.http.parse_options_header('text/html; charset=utf8')
('text/html', {'charset': 'utf8'})
使用urllib.request代替requests，因为这样你可以执行urllib.request.urlopen(...).headers.get_filename()， 这比其他一些答案更安全，原因如下：
如果[Content-Disposition]头部没有
filename参数，则此方法会回退到在Content-Type头部上查找name参数。
之后，更安全的做法是额外回退到URL中的文件名，就像另一个答案所做的那样。
Content-Disposition 也不需要其 filename 属性。而且，我在互联网上检查了许多链接，没有找到带有 Content-Disposition 头的响应。所以，在大多数情况下，我不会太依赖它，只是从请求 URL 中提取这个信息（注意：我从 req.url 获取它，因为可能存在重定向，我们想要获取“真实”的文件名）。我使用 werkzeug，因为它看起来更强大，并且可以处理带引号和不带引号的文件名。最终，我得出了这个解决方案（适用于 Python 3.8 及以上版本）：from urllib.parse import urlparse
import requests
import werkzeug
def get_filename(url: str):
try:
with requests.get(url) as req:
if content_disposition := req.headers.get("Content-Disposition"):
param, options = werkzeug.http.parse_options_header(content_disposition)
if param == 'attachment' and (filename := options.get('filename')):
return filename
path = urlparse(req.url).path
name = path[path.rfind('/') + 1:]
return name
except requests.exceptions.RequestException as e:
raise e
我使用 pytest 和 requests_mock 编写了一些测试：
import pytest
import requests
import requests_mock
from main import get_filename
TEST_URL = 'https://pwrk.us/report.pdf'
@pytest.mark.parametrize(
'headers,expected_filename',
[
(
{'Content-Disposition': 'attachment; filename="filename.pdf"'},
"filename.pdf"
),
(
# The string following filename should always be put into quotes;
# but, for compatibility reasons, many browsers try to parse unquoted names that contain spaces.
# https://developer.mozilla.org/en-US/docs/Web/HTTP/Headers/Content-Disposition#directives
{'Content-Disposition': 'attachment; filename=filename with spaces.pdf'},
"filename with spaces.pdf"
),
(
{'Content-Disposition': 'attachment;'},
"report.pdf"
),
(
{'Content-Disposition': 'inline;'},
"report.pdf"
),
(
{},
"report.pdf"
)
]
)
def test_get_filename(headers, expected_filename):
with requests_mock.Mocker() as m:
m.get(TEST_URL, text='resp', headers=headers)
assert get_filename(TEST_URL) == expected_filename
def test_get_filename_exception():
with requests_mock.Mocker() as m:
m.get(TEST_URL, exc=requests.exceptions.RequestException)
with pytest.raises(requests.exceptions.RequestException):
get_filename(TEST_URL)
from email.message import EmailMessage
msg = EmailMessage()
msg["Content-Disposition"] = response.headers.get("Content-Disposition")
filename = msg.get_filename()
0c9605301e48beda0f000000.pdf”（因为这是请求中的文件名），但幸运的是我决定先测试一下。而且FireFox想把它保存为“Mater Sci Eng B47（1997）33.pdf”。 - Jongwarecontent-disposition : inline; filename="Mater Sci Eng B47 (1997) 33.pdf"。顺便提一句，许多PDF文档中都嵌入了标题，但并非所有文档都有，并且如果PDF文件以二进制形式存在，则可能很难访问。 - PM 2Ring