Windows下Firefox监测下载文件致重复的Python解决求助

我正在编写脚本，需通过访问URL下载文件。因需登录网站，放弃带登录态的curl请求方案，改为在浏览器打开URL并监测下载文件夹。
此前已用bash实现可用版本，现改用Python重写时遇到问题：使用Firefox时，监测文件大小会导致下载文件夹生成两个文件——空的原文件与带(1)后缀的实际文件，使脚本陷入死循环。
我的bash脚本通过stat规避了问题，但Python中使用os.path.getsize或os.stat均无法解决，尝试文件排他锁也因跨平台问题失败。Edge无此问题，且该现象在Windows下复现无差别。

附原bash及Python代码：

原Bash代码 #

#! /bin/bash

get_latest_csv_in_downloads() {
    find ~/Downloads -maxdepth 1 -iname '*.csv' -printf '%B@ %f\0' | sort -znr | head -zn 1 | cut -zd ' ' -f 2- | head -c -1
}

url="$1"
initial_file="$(get_latest_csv_in_downloads)"

# Open the file in the browser which will initiate a download.
python -m webbrowser "$url" > /dev/null

# We'll try to obtain the most recent file in the downloads folder,
# until it's a different one than before we started downloading.
while latest_file="$(get_latest_csv_in_downloads)"; [[ "$initial_file" == "$latest_file" ]]; do :; done

# When the file is created it's sometimes empty for a bit.
# At some point it jumps to being fully written, without any inbetween.
# So this waits for the file size to not be zero.
# NOTE: [[ ! -s "..." ]] would be a lot nicer,
# but for some reason it sometimes creates a copy of the file and messes everything up.
while (( "$(stat --format="%s" ~/Downloads/"$latest_file")" == 0 )); do :; done

echo "got the file $latest_file"

原Python代码 #

#! python

import os
import webbrowser
import sys
import glob

def get_latest_csv_in_downloads():
    files_in_downloads = glob.glob(os.path.expanduser(os.path.join(os.path.expanduser('~'), 'Downloads', '*.csv')))
    latest_file = max(files_in_downloads, key=os.path.getctime, default=None)
    return latest_file

url = sys.argv[1]
initial_file = get_latest_csv_in_downloads()
webbrowser.open(url)

while True:
    latest_file = get_latest_csv_in_downloads()

    if initial_file != latest_file:
        break

while os.path.getsize(latest_file) == 0:
    pass

print(f'got the file {latest_file}')

Firefox的下载机制是先创建一个空的占位文件，待下载完成后再写入完整内容。如果这个占位文件被外部进程（比如你的Python脚本）以极高频率访问（比如无休眠的死循环调用os.path.getsize），Firefox会判定原文件被占用，无法正常写入，于是自动重命名原空文件，创建带(1)后缀的新文件继续下载。

而你的Bash脚本中，虽然也检查文件大小，但Bash的循环执行效率远低于Python的死循环，访问频率更低，没有触发Firefox的文件占用检测逻辑，所以不会出现重复文件的问题。

核心思路是降低文件访问频率，同时确认文件下载完成（而非仅大小非零），避免触发Firefox的文件占用保护机制。具体实现如下：

1. 给轮询逻辑添加短暂休眠（比如0.5秒），降低对文件的访问频率
2. 监测文件的修改时间和大小，连续多次检查无变化时，判定下载完成
3. 处理可能出现的带(1)后缀的文件，确保能识别到实际下载的文件

修改后的Python代码 #

#! python

import os
import webbrowser
import sys
import glob
import time

def get_latest_csv_in_downloads():
    downloads_dir = os.path.expanduser(os.path.join('~', 'Downloads'))
    # 匹配所有csv文件，包括带(1)后缀的
    files_in_downloads = glob.glob(os.path.join(downloads_dir, '*.csv'))
    if not files_in_downloads:
        return None
    # 按修改时间排序，取最新的
    latest_file = max(files_in_downloads, key=lambda x: os.path.getmtime(x))
    return latest_file

url = sys.argv[1]
initial_file = get_latest_csv_in_downloads()
webbrowser.open(url)

# 等待新文件出现
while True:
    latest_file = get_latest_csv_in_downloads()
    if latest_file != initial_file:
        break
    time.sleep(0.5)  # 降低轮询频率

# 等待文件下载完成：连续2次检查大小和修改时间都不变
prev_size = -1
prev_mtime = -1
stable_count = 0
while stable_count < 2:
    current_size = os.path.getsize(latest_file)
    current_mtime = os.path.getmtime(latest_file)
    if current_size == prev_size and current_mtime == prev_mtime:
        stable_count += 1
    else:
        stable_count = 0
        prev_size = current_size
        prev_mtime = current_mtime
    time.sleep(0.5)

# 检查是否有带(1)的实际文件（如果原文件是空的）
downloads_dir = os.path.dirname(latest_file)
filename = os.path.basename(latest_file)
name, ext = os.path.splitext(filename)
possible_actual_file = os.path.join(downloads_dir, f"{name}(1){ext}")
if os.path.exists(possible_actual_file) and os.path.getsize(latest_file) == 0:
    latest_file = possible_actual_file

print(f'got the file {os.path.basename(latest_file)}')

• 加入time.sleep(0.5)后，脚本对文件的访问频率大幅降低，不会触发Firefox的文件占用保护
• 通过连续两次检查文件大小和修改时间不变，能更准确判断下载完成（避免文件大小跳变时的误判）
• 增加了对带(1)后缀文件的处理逻辑，即使出现重命名也能正确识别实际下载的文件

内容的提问来源于stack exchange，提问作者Verpous