我正在使用os.system(‘wget’链接)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.
大多数链接都是这种形式
htttp://example.com/…/filename.zip.
在这种情况下,只需将文件下载为filename.zip.我可以使用基本名称和RegExp [^ /] $从链接中提取该内容.
但是问题是形式的链接
http://http://www.ez-robot.com
http://www.worldscientific.com/
http://www.fairweld.com
这些链接下载为index.html,index.html.1,index.html.2等等.
在这里,我无法区分哪个索引文件属于哪个网站.我做到这一点的一种方法是查看将链接传递到wget的顺序.
我想要一些通用方法来获取“真实”文件名,通过该文件名可以在计算机中下载文件. wget完成执行后,会在终端上显示“保存到:”标签,后跟该“真实”文件名.我想将该文件名存储在字符串中.
是否有任何直接/简便的方法来获取文件名?我正在使用Python.
$wget http://www.fairweld.com
--2015-04-11 18:51:48-- http://www.fairweld.com/
Connecting to 202.142.81.24:3124... connected.
Proxy request sent, awaiting response... 200 OK
Length: 39979 (39K) [text/html]
Saving to: ‘index.html.4