web-dev-qa-db-ja.com

ヘッダーのContent-Dispositionからファイル名を取得する方法

Mechanizeを含むファイルをダウンロードしていますが、応答ヘッダーに次の文字列があります。

Content-Disposition: attachment; filename=myfilename.txt

そのファイル名の値を取得するための簡単な標準的な方法はありますか？私が今心に留めているのはこれです：

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

しかし、それは迅速な「汚い」解決策のように見えます。

pythonmechanize-python
26
Sergei Basharov

最初にmechanizeを使用してヘッダーの値を取得し、次に組み込みの cgi モジュールを使用してヘッダーを解析します。

実証するために：

>>> 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'

次に、ヘッダー値を解析できます。

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

paramsは単純な辞書なので、params['filename']はあなたが必要とするものです。ファイル名が引用符で囲まれているかどうかは関係ありません。

31
siebz0r

これらの正規表現はRFC6266の文法に基づいていますが、disposition-typeのないヘッダーを受け入れるように変更されています。 Content-Disposition：filename = example.html

つまり、[disposition-type ";" ] disposition-parm（ ";" disposition-parm）*/disposition-type

引用符付きと引用符なしのファイル名パラメータ、および引用符で囲まれた値から引用符で囲まれていないペアを処理します。 filename = "foo \" bar "-> foo" bar

ヘッダーに表示される順序に関係なく、filename *拡張パラメーターを処理し、filenameパラメーターよりもfilename *拡張パラメーターを優先します。

フォルダ名情報を取り除きます。/etc/passwd-> passwdであり、ファイル名パラメーター（またはヘッダー、またはパラメーター値が空の文字列の場合）がない場合、デフォルトでURLパスのベース名になります。

トークンとqdtextの正規表現はRFC2616の文法に基づいており、mimeCharsetとvalueCharsの正規表現はRFC 5987の文法に基づいており、言語の正規表現はRFC5646の文法に基づいています。

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))
5
user916968