为何HTML页面保存后文件大小总是比下载时多6字节？

核心问题：混淆了字符数和字节数 #

你踩了一个很容易忽略的坑：len(response.text)统计的是解码后Unicode字符串的字符数量，并非服务器返回的原始字节数。而Path(filepath).stat().st_size是文件的实际字节数，对应的是服务器返回的原始字节流大小（也就是len(response.content)的结果）。

如果你的测试页面里恰好有3个UTF-8编码的多字节字符（比如中文、特殊符号等，每个占3字节），那len(response.text)会比实际字节数少6（3*(3-1)=6），这就导致你看到固定差6字节的现象——10个页面都出现这个情况，说明这些页面的多字节字符数量刚好一致。

为什么curl下载也有同样问题？ #

如果是在Windows系统下用curl URL > file.html下载，命令行的重定向会自动把服务器返回的LF（\n）换行符转换成Windows的CRLF（\r\n），每个换行多1字节。要是页面正好有6个LF，文件大小就会比原始响应多6字节。不过结合你Python测试的情况，更可能还是字符数/字节数混淆的问题。

正确的做法 #

1. 用response.content获取原始字节数：
   对比文件大小的时候，应该用len(response.content)，而不是len(response.text)，这才是服务器返回的真实字节数。
2. 二进制模式保存文件：
   要保证保存的文件和原始响应完全一致，用二进制模式写入response.content，避免编码和换行符转换：

   from pathlib import Path
   import requests
   
   URL = "你的目标URL"
   filepath = "保存的文件路径"
   
   response = requests.get(URL)
   response.raise_for_status()  # 确保请求成功
   
   # 检查是否需要保存
   if not Path(filepath).exists() or Path(filepath).stat().st_size != len(response.content):
       with open(filepath, 'wb') as f:
           f.write(response.content)
   

内容的提问来源于stack exchange，提问作者snailontheslope