Как получить имя файла из Content-Disposition в заголовках - PullRequest
25 голосов
/ 07 ноября 2011

Я загружаю файл с Mechanize, и в заголовках ответа есть строка:

Content-Disposition: attachment; filename=myfilename.txt

Существует ли быстрый стандартный способ получить значение этого имени файла? Теперь я имею в виду следующее:

filename = f[1]['Content-Disposition'].split('; ')[1].replace('filename=', '')

Но похоже, что это быстрое и грязное решение.

Ответы [ 3 ]

31 голосов
/ 08 января 2015

Сначала получите значение заголовка с помощью mechanize, затем проанализируйте заголовок с помощью встроенного модуля cgi .

Для демонстрации:

>>> import mechanize
>>> browser = mechanize.Browser()
>>> response = browser.open('http://example.com/your/url')
>>> info = response.info()
>>> header = info.getheader('Content-Disposition')
>>> header
'attachment; filename=myfilename.txt'

Заголовокзатем значение может быть проанализировано:

>>> import cgi               
>>> value, params = cgi.parse_header(header)
>>> value
'attachment'
>>> params
{'filename': 'myfilename.txt'}

params - это простой диктат, поэтому params['filename'] - это то, что вам нужно.Неважно, будет ли имя файла заключено в кавычки или нет.

5 голосов
/ 18 августа 2012

Эти регулярные выражения основаны на грамматике из RFC 6266, но модифицированы так, чтобы принимать заголовки без типа размещения, например Content-Disposition: filename = example.html

т.е. [disposition-type ";"] disposition-parm (";" disposition-parm) * / disposition-type

Он будет обрабатывать параметры имени файла с кавычками и без них, а также заключать в кавычки пары из значений в кавычках, например, filename = "foo \" barПанель "-> foo"

Она будет обрабатывать имя файла * расширенные параметры и предпочитать расширенный параметр имени файла * параметру имени файла независимо от порядка, в котором они появляются в заголовке

Она удаляет информацию об имени папкиНапример, / etc / passwd -> passwd, и по умолчанию используется базовое имя из URL-пути при отсутствии параметра имени файла (или заголовка, или если значение параметра - пустая строка)

Token и qdtextрегулярные выражения основаны на грамматике из RFC 2616, регулярные выражения mimeCharset и valueChars основаны на грамматике из RFC 5987, а регулярное выражение языка основано на грамматике из RFC 5646

import re, urllib
from os import path
from urlparse import urlparse

# content-disposition = "Content-Disposition" ":"
#                        disposition-type *( ";" disposition-parm )
# disposition-type    = "inline" | "attachment" | disp-ext-type
#                     ; case-insensitive
# disp-ext-type       = token
# disposition-parm    = filename-parm | disp-ext-parm
# filename-parm       = "filename" "=" value
#                     | "filename*" "=" ext-value
# disp-ext-parm       = token "=" value
#                     | ext-token "=" ext-value
# ext-token           = <the characters in token, followed by "*">

token = '[-!#-\'*+.\dA-Z^-z|~]+'
qdtext='[]-~\t !#-[]'
mimeCharset='[-!#-&+\dA-Z^-z]+'
language='(?:[A-Za-z]{2,3}(?:-[A-Za-z]{3}(?:-[A-Za-z]{3}){,2})?|[A-Za-z]{4,8})(?:-[A-Za-z]{4})?(?:-(?:[A-Za-z]{2}|\d{3}))(?:-(?:[\dA-Za-z]{5,8}|\d[\dA-Za-z]{3}))*(?:-[\dA-WY-Za-wy-z](?:-[\dA-Za-z]{2,8})+)*(?:-[Xx](?:-[\dA-Za-z]{1,8})+)?|[Xx](?:-[\dA-Za-z]{1,8})+|[Ee][Nn]-[Gg][Bb]-[Oo][Ee][Dd]|[Ii]-[Aa][Mm][Ii]|[Ii]-[Bb][Nn][Nn]|[Ii]-[Dd][Ee][Ff][Aa][Uu][Ll][Tt]|[Ii]-[Ee][Nn][Oo][Cc][Hh][Ii][Aa][Nn]|[Ii]-[Hh][Aa][Kk]|[Ii]-[Kk][Ll][Ii][Nn][Gg][Oo][Nn]|[Ii]-[Ll][Uu][Xx]|[Ii]-[Mm][Ii][Nn][Gg][Oo]|[Ii]-[Nn][Aa][Vv][Aa][Jj][Oo]|[Ii]-[Pp][Ww][Nn]|[Ii]-[Tt][Aa][Oo]|[Ii]-[Tt][Aa][Yy]|[Ii]-[Tt][Ss][Uu]|[Ss][Gg][Nn]-[Bb][Ee]-[Ff][Rr]|[Ss][Gg][Nn]-[Bb][Ee]-[Nn][Ll]|[Ss][Gg][Nn]-[Cc][Hh]-[Dd][Ee]'
valueChars = '(?:%[\dA-F][\dA-F]|[-!#$&+.\dA-Z^-z|~])*'
dispositionParm = '[Ff][Ii][Ll][Ee][Nn][Aa][Mm][Ee]\s*=\s*(?:({token})|"((?:{qdtext}|\\\\[\t !-~])*)")|[Ff][Ii][Ll][Ee][Nn][Aa][Mm][Ee]\*\s*=\s*({mimeCharset})\'(?:{language})?\'({valueChars})|{token}\s*=\s*(?:{token}|"(?:{qdtext}|\\\\[\t !-~])*")|{token}\*\s*=\s*{mimeCharset}\'(?:{language})?\'{valueChars}'.format(**locals())

try:
  m = re.match('(?:{token}\s*;\s*)?(?:{dispositionParm})(?:\s*;\s*(?:{dispositionParm}))*|{token}'.format(**locals()), result.headers['Content-Disposition'])

except KeyError:
  name = path.basename(urllib.unquote(urlparse(url).path))

else:
  if not m:
    name = path.basename(urllib.unquote(urlparse(url).path))

  # Many user agent implementations predating this specification do not
  # understand the "filename*" parameter.  Therefore, when both "filename"
  # and "filename*" are present in a single header field value, recipients
  # SHOULD pick "filename*" and ignore "filename"

  elif m.group(8) is not None:
    name = urllib.unquote(m.group(8)).decode(m.group(7))

  elif m.group(4) is not None:
    name = urllib.unquote(m.group(4)).decode(m.group(3))

  elif m.group(6) is not None:
    name = re.sub('\\\\(.)', '\1', m.group(6))

  elif m.group(5) is not None:
    name = m.group(5)

  elif m.group(2) is not None:
    name = re.sub('\\\\(.)', '\1', m.group(2))

  else:
    name = m.group(1)

  # Recipients MUST NOT be able to write into any location other than one to
  # which they are specifically entitled

  if name:
    name = path.basename(name)

  else:
    name = path.basename(urllib.unquote(urlparse(url).path))
0 голосов
/ 07 ноября 2011

Я бы попробовал что-то вроде:

import re
filename = re.findall("filename=(\S+)", f[1]['Content-Disposition'])

Это обрабатывает кавычки и экранирование URL в именах файлов.

...