Я загружаю весь каталог с веб-сервера. Это работает нормально, но я не могу понять, как получить размер файла перед загрузкой, чтобы сравнить, был ли он обновлен на сервере или нет. Можно ли это сделать так, как если бы я загружал файл с FTP-сервера?
import urllib
import re
url = "http://www.someurl.com"
# Download the page locally
f = urllib.urlopen(url)
html = f.read()
f.close()
f = open ("temp.htm", "w")
f.write (html)
f.close()
# List only the .TXT / .ZIP files
fnames = re.findall('^.*<a href="(\w+(?:\.txt|.zip)?)".*$', html, re.MULTILINE)
for fname in fnames:
print fname, "..."
f = urllib.urlopen(url + "/" + fname)
#### Here I want to check the filesize to download or not ####
file = f.read()
f.close()
f = open (fname, "w")
f.write (file)
f.close()
@Jon: спасибо за быстрый ответ. Это работает, но размер файла на веб-сервере немного меньше, чем размер загружаемого файла.
Примеры:
Local Size Server Size
2.223.533 2.115.516
664.603 662.121
Это как-то связано с преобразованием CR / LF?
Я воспроизвел то, что вы видите:
import urllib, os
link = "http://python.org"
print "opening url:", link
site = urllib.urlopen(link)
meta = site.info()
print "Content-Length:", meta.getheaders("Content-Length")[0]
f = open("out.txt", "r")
print "File on disk:",len(f.read())
f.close()
f = open("out.txt", "w")
f.write(site.read())
site.close()
f.close()
f = open("out.txt", "r")
print "File on disk after download:",len(f.read())
f.close()
print "os.stat().st_size returns:", os.stat("out.txt").st_size
Выводы это:
opening url: http://python.org
Content-Length: 16535
File on disk: 16535
File on disk after download: 16535
os.stat().st_size returns: 16861
Что я здесь не так делаю? Os.stat (). St_size не возвращает правильный размер?
Изменить: ОК, я понял, в чем проблема:
import urllib, os
link = "http://python.org"
print "opening url:", link
site = urllib.urlopen(link)
meta = site.info()
print "Content-Length:", meta.getheaders("Content-Length")[0]
f = open("out.txt", "rb")
print "File on disk:",len(f.read())
f.close()
f = open("out.txt", "wb")
f.write(site.read())
site.close()
f.close()
f = open("out.txt", "rb")
print "File on disk after download:",len(f.read())
f.close()
print "os.stat().st_size returns:", os.stat("out.txt").st_size
это выводит:
$ python test.py
opening url: http://python.org
Content-Length: 16535
File on disk: 16535
File on disk after download: 16535
os.stat().st_size returns: 16535
Убедитесь, что вы открываете оба файла для двоичного чтения / записи.
// open for binary write
open(filename, "wb")
// open for binary read
open(filename, "rb")
site = urllib.urlopen(link)
вы выполнили загрузку файла, поэтому он не имеет размера перед загрузкой его зараженного файла, загруженного в буфер, из которого вы urllib.urlopen
больше не действителен не позднее 3.6Размер файла отправляется как заголовок Content-Length. Вот как это сделать с помощью urllib:
>>> site = urllib.urlopen("http://python.org")
>>> meta = site.info()
>>> print meta.getheaders("Content-Length")
['16535']
>>>
Используя метод return-urllib-object info()
, вы можете получить различную информацию о восстановленном документе. Пример получения текущего логотипа Google:
>>> import urllib
>>> d = urllib.urlopen("http://www.google.co.uk/logos/olympics08_opening.gif")
>>> print d.info()
Content-Type: image/gif
Last-Modified: Thu, 07 Aug 2008 16:20:19 GMT
Expires: Sun, 17 Jan 2038 19:14:07 GMT
Cache-Control: public
Date: Fri, 08 Aug 2008 13:40:41 GMT
Server: gws
Content-Length: 20172
Connection: Close
Это дикт, поэтому чтобы получить размер файла, вы должны urllibobject.info()['Content-Length']
print f.info()['Content-Length']
А чтобы получить размер локального файла (для сравнения), вы можете использовать команду os.stat ():
os.stat("/the/local/file.zip").st_size
Также, если сервер, к которому вы подключаетесь, поддерживает его, посмотрите Etags и заголовки If-Modified-Since и If-None-Match .
Их использование позволит использовать правила кэширования веб-сервера и вернет код состояния 304 Not Modified, если содержимое не изменилось.
В Python3:
>>> import urllib.request
>>> site = urllib.request.urlopen("http://python.org")
>>> print("FileSize: ", site.length)
Решение на основе запросов, использующее HEAD вместо GET (также печатает заголовки HTTP):
#!/usr/bin/python
# display size of a remote file without downloading
from __future__ import print_function
import sys
import requests
# number of bytes in a megabyte
MBFACTOR = float(1 << 20)
response = requests.head(sys.argv[1], allow_redirects=True)
print("\n".join([('{:<40}: {}'.format(k, v)) for k, v in response.headers.items()]))
size = response.headers.get('content-length', 0)
print('{:<40}: {:.2f} MB'.format('FILE SIZE', int(size) / MBFACTOR))
использование
$ python filesize-remote-url.py https://httpbin.org/image/jpeg ... Content-Length : 35588 FILE SIZE (MB) : 0.03 MB
Для подхода python3 (протестированного на 3.5) я бы порекомендовал:
with urlopen(file_url) as in_file, open(local_file_address, 'wb') as out_file:
print(in_file.getheader('Content-Length'))
out_file.write(response.read())
@PabloG Относительно локальной / серверной разницы в размерах файлов
Ниже приводится пояснительное объяснение того, почему это может произойти:
Размер на диске иногда отличается от фактического размера данных. Это зависит от базовой файловой системы и от того, как она работает с данными. Как вы, возможно, видели в Windows при форматировании флешки, вас просят указать «размер блока / кластера», и он варьируется [512b - 8kb]. Когда файл записывается на диск, он записывается в «сортированный список связанных» блоков диска. Когда определенный блок используется для хранения части файла, никакое другое содержимое файла не будет сохранено в том же блоке, поэтому даже если блок не занимает все пространство блока, блок становится непригодным для использования другими файлами.
Пример: когда файловая система разделена на блоки размером 512 байт, и нам нужно сохранить файл размером 600 байт, два блока будут заняты. Первый блок будет полностью использован, в то время как второй блок будет использовать только 88b, а оставшийся (512-88) b будет непригодным для использования, в результате чего размер файла на диске будет 1024b. Вот почему в Windows используются разные обозначения для «размера файла» и «размера на диске».
ПРИМЕЧАНИЕ: Существуют различные плюсы и минусы, которые приходят с меньшим / большим блоком FS, поэтому лучше поиграйте перед игрой с вашей файловой системой.