[英]How to get the filename of an .xls file on a website with Python (requests-html)
我正在尝试从芬兰药品价格局抓取Excel文件
我正在使用requests-html查找指向excel文件的链接:
from requests_html import HTMLSession
import urllib.request
url = 'http://www.hila.fi/fi/hakeminen_ja_ilmoitukset/viitehintajarjestelma/ryhmat_ja_hinnat/viitehintapaatokset2009'
session = HTMLSession()
r = session.get(url)
sel = 'a[href*=".xls"]'
reference_datas = r.html.find(sel)
for reference_data in reference_datas:
url = reference_data.absolute_links.pop()
response = urllib.request.urlopen(url)
with open('test.xls', 'wb') as f:
f.write(response.read())
这对于excel文件的内容效果很好,但是所选元素没有有关文件名的信息。 文件名包含有关文件价格适用期间的信息。 例如,链接http://www.hila.fi/c/document_library/get_file?folderId=792534&name=DLFE-4531.xls
获取文件Viitehintaluettelo Q4_2009_paivitetty.xls
。
如何获取此文件名作为字符串,以便可以从中提取时间信息Q4_2009
?
您可以通过标题访问它。
from requests_html import HTMLSession
session = HTMLSession()
r = session.get('http://www.hila.fi/c/document_library/get_file?folderId=792534&name=DLFE-4531.xls')
content_disposition = r.headers.get('Content-Disposition')
print(content_disposition)
# 'attachment; filename="Viitehintaluettelo Q4_2009_paivitetty.xls"'
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.