使用Python从PHP服务器下载PDF文件时遇TypeError问题求助

单个文件下载错误修复 #

你遇到的TypeError是因为打开文件时用了文本模式（"w"），但response.content返回的是二进制字节数据，必须用二进制写入模式（"wb"）。修正后的单文件代码：

import requests

url = "http://ppmoe.dot.ca.gov/des/oe/awards/bidsum/dl.php?id=200"

s = requests.Session()
response = s.get(url)

# 用二进制写入模式打开文件
with open("file200.pdf", "wb") as f:
    f.write(response.content)
    # with语句会自动关闭文件，无需手动调用f.close()

批量下载完整实现 #

要遍历1到14000的编号，还需要处理几个关键点：

• 部分文件是Word（.doc/.docx），可从响应头的Content-Disposition或Content-Type判断文件类型
• 加入异常处理，避免某个编号请求失败导致整个程序中断
• 提前创建目标文件夹，确保保存路径有效

完整代码示例：

import requests
import os
from urllib.parse import unquote

# 创建保存文件夹，不存在则自动创建
save_dir = "downloaded_files"
os.makedirs(save_dir, exist_ok=True)

# 使用Session保持连接，提升批量请求效率
with requests.Session() as s:
    for file_id in range(1, 14001):
        try:
            url = f"http://ppmoe.dot.ca.gov/des/oe/awards/bidsum/dl.php?id={file_id}"
            response = s.get(url, timeout=10)
            response.raise_for_status()  # 捕获HTTP错误（如404、500等）

            # 从响应头获取服务器返回的文件名
            filename = None
            if "Content-Disposition" in response.headers:
                cd = response.headers["Content-Disposition"]
                filename = unquote(cd.split("filename=")[-1].strip('"'))
            # 若未获取到文件名，根据Content-Type推断扩展名
            if not filename:
                content_type = response.headers.get("Content-Type", "")
                if "pdf" in content_type:
                    filename = f"file{file_id}.pdf"
                elif "word" in content_type or "msword" in content_type:
                    filename = f"file{file_id}.docx"
                else:
                    filename = f"file{file_id}.bin"  # 未知类型用bin后缀

            # 保存文件到目标文件夹
            save_path = os.path.join(save_dir, filename)
            with open(save_path, "wb") as f:
                f.write(response.content)
            
            print(f"已保存: {save_path}")
        except Exception as e:
            print(f"ID {file_id} 下载失败: {str(e)}")
            continue

关键说明 #

• with requests.Session(): 复用TCP连接，比每次新建请求更高效
• response.raise_for_status(): 主动捕获HTTP状态码错误，避免无效数据写入
• 自动判断文件类型：优先使用服务器返回的原始文件名，确保扩展名准确
• 异常处理：单个编号下载失败时跳过，不影响后续文件的下载

内容的提问来源于stack exchange，提问作者Pepa