如何获取wget下载的文件的文件名

Question

我用来os.system('wget '+ link)从网站检索文件。下载后，我想根据源链接进一步处理这些文件。

\n\n

大多数链接都是这种形式\n htttp://example.com/.../filename.zip。
\n在这种情况下，文件只需下载为filename.zip. basename我可以使用RegExp 和 RegExp从链接中提取此内容[^/]+$。\n

\n但问题是表单的链接

\n\n

http://http://www.ez-robot.com\nhttp://www.worldscientific.com/\nhttp://www.fairweld.com\n

\n\n

这些链接下载为index.html、index.html.1、index.html.2ans 等。
\n在这里，我无法区分哪个index文件属于哪个网站。我可以做到这一点的一种方法是查看链接传递到 的顺序wget。

\n\n

我想要一些通用方法来获取在计算机中下载文件的“真实”文件名。执行完成后wget，终端显示a Saving to:，它会在终端上显示一个标签，后跟“真实”文件名。我想将该文件名存储在字符串中。

\n\n

是否存在任何直接/更简单的方法来获取文件名？我正在使用Python。

\n\n

$ wget http://www.fairweld.com\n--2015-04-11 18:51:48--  http://www.fairweld.com/\nConnecting to 202.142.81.24:3124... connected.\nProxy request sent, awaiting response... 200 OK\nLength: 39979 (39K) [text/html]\nSaving to: \xe2\x80\x98index.html.4\n

\n

Answer 1

使用 os.path.basename 并根据 url 的结尾方式获取名称，您还可以使用 requests 来下载 html：

links = ["http://www.ez-robot.com",
"http://www.worldscientific.com/",
"http://www.fairweld.com"]


import urlparse
import requests
import os
for link in links:
    r = requests.get(link)
    if link.rsrip("/").endswith(".com"):
        name = os.path.basename(link)
    else:
        name = urlparse.urlsplit(link.path.split("/")[-1])
    with open("{}.html".format(name),"w") as f:
        f.write(r.content)