requests headers 解码

我需要使用python的requests 下载一些文件,但是文件是中文名的

chrome调试看出来的文件名是

Content-Disposition:attachment; filename=%C9%F1%BC%B6%BB%F5%C0%C9.txt

requests 下载显示的却是乱码

import requests
url = http://www.23us.so/modules/article/txtarticle.php?id=156
req = requests.headurl
headers = req.headers
print headers.getContent-Disposition >> attachment; filename=ÇàÔÆÏÉ·.txt

我试过设置req.encoding 没有效果

怎么把header中的文字恢复出来,requests中似乎没有相关方法
各位可以调试一下

咳咳, 你应该早点放出具体链接地址的, 我跟进下方法, 放码:

url = http://www.23us.so/modules/article/txtarticle.php?id=156
req = requests.headurl
headers = req.headers
printheaders.getContent-Disposition.encodereq.encoding.decodegbk # gb2312也可以正确解码

结果:

attachment; filename=青云仙路.txt

你让req.encoding自己猜目标的编码方式即可.
requests模块的models.py第 769 行注释说的很清楚, 人家可以自动检测目标网页内容的编码类型, 而具体负责检测编码的代码在这里universaldetector.py
所以我们只需要利用下这个特性编码然后再按utf-8解码即可, 看代码:

import requests url = "http://www.weather.com.cn/data/cityinfo/101010100.html"
req = requests.geturl
printreq.text
printreq.encoding
printreq.text.encodereq.encoding
printreq.text.encodereq.encoding.decodeutf-8

结果:

{"weatherinfo":{"city":"北京","cityid":"101010100","temp1":"-2℃","temp2":"16℃","weather":"晴","img1":"n0.gif","img2":"d0.gif","ptime":"18:00"}}
ISO-8859-1
b{"weatherinfo":{"city":"xe5x8cx97xe4xbaxac","cityid":"101010100","temp1":"-2xe2x84x83","temp2":"16xe2x84x83","weather":"xe6x99xb4","img1":"n0.gif","img2":"d0.gif","ptime":"18:00"}}
{"weatherinfo":{"city":"北京","cityid":"101010100","temp1":"-2℃","temp2":"16℃","weather":"晴","img1":"n0.gif","img2":"d0.gif","ptime":"18:00"}}

你把 headers 全部显示出来看看,应该有个 charset 属性。


更新

这个其实是 URI encode,是从 unicode转义得来的。
解码例子如下:

def decodeURIstrURI: strURI = strURI.replace%, URI = .joinchrintstrURI[i:i+4],16 for i in range0,lenstrURI,4 return URI n = %C9%F1%BC%B6%BB%F5%C0%C9
printdecodeURIn

结果:

짱벶믵색
是韩文~~


再更

后来仔细想了想,也可能是别的编码格式,就拿gb2312试一下。

n = %C9%F1%BC%B6%BB%F5%C0%C9
printbytes.fromhexn.replace%,.decodegb2312

结果是:

神级货郎

觉得这个更靠谱些~
这些方法,在urllib都有,分别是:quoteunquote
例子:

import urllib n = filename=%C9%F1%BC%B6%BB%F5%C0%C9.txt
filename = urllib.parse.unquoten,encoding=gb2312
printfilename

结果是:

filename=神级货郎.txt

三更

我在讲解原理~
在不知道charset的情况下,只能;requests也是用 chardet 进行猜测。
而且,@ferstar 所说的 req.encoding 是用于 响应体Response.content 的,并不能用于 headers
提问者没提供代码和网页链接之前,我只能用提问者给的数据:

filename=%C9%F1%BC%B6%BB%F5%C0%C9.txt

仔细看,这是个字符串,不是bytes!所以req.encoding是无效的。
前面我也提到过,这其实是个 URI,从原字符的某个编码转义而来。%URI转义符
还原的方法在上面我已经写了,结果也是正确的。

为什么不采纳正确的答案呢?

为什么不采纳正确的答案呢?

为什么不采纳正确的答案呢?


本来不想更此帖了,但@ferstar 评论了一大段,不回就有点不合适了~

在题主更新完善问题后我正好在所以及时跟进了答案,可以得到正确结果解决了题主的问题,这是事实;题主采纳我的答案之前你这个答案好像并没有更新,这也是事实;我之前贴出了相应源码的具体实现,也是在讲道理,这更是事实;我说的req.encoding方法确实起到了作用,而不是像你说的对headers无用,貌似也是事实

引用@ferstar 的评论,完毕

SF的内容更新是有历史版本记录的,翻出来对比一下。
提问者:ider
回答:同意并接受
回答:ferstar

在我更新了正确答案#r3之后3小时,@ider 更新了问题#r4,并采纳了@ferstar 的第一版错误答案#r1。
采纳之后,我在评论中提出异议,@ferstar 更新了第二版答案#r2。
而且,@ferstar 的第二版答案依然是错误的

但是,为什么@ferstar 的第二版答案会得出正确的结果呢?
因为之前我找到了正确编码gb2312,他不过是替换成兼容编码gbk而已。

再说说req.encoding 不能作用于 headers
这个结论依然没变。这是由http原理决定的,headers先于body

至于这个程序正确的写法,我也懒得解释和更新了,累!
除非,@ider 重新采纳我的答案,还有可能考虑一下~~

你的文件名是使用 gb2312编码的,你解码也需要设置 按照gb2312 解码,如果按照utf-8解码,就会出现乱码。可能你设置过的解码,默认按照utf-8解码的

发表评论

电子邮件地址不会被公开。 必填项已用*标注