Python爬取Reddit下载文件无扩展名无法打开问题求助

你保存文件时直接将submission.id作为目标文件名，Reddit的提交ID是定长的随机字母数字串，本身不包含任何文件格式标识，所以生成的文件自然没有扩展名，系统无法关联对应的打开程序。
之前脚本运行正常的常见原因有三个：

• 旧版本脚本里包含了提取文件后缀、拼接文件名的逻辑，你现在贴出的是不完整片段，遗漏了这部分代码
• 之前爬取的资源类型单一，系统曾手动关联过无后缀文件的默认打开程序，关联失效后就出现了无法打开的问题
• 之前爬取的URL直接带文件名后缀，当时的代码直接用URL末段作为文件名，改成用submission id命名后没补充后缀逻辑

1. 补全文件名后缀提取逻辑，不要直接用纯ID作为文件名
   推荐优先从资源链接、响应头中提取真实扩展名，兼容不同图床的链接格式，参考修改代码：
   首先导入需要的依赖：

   import mimetypes
   import os
   from urllib.parse import urlparse
   

   替换原脚本中下载保存文件的对应片段：

   save_id(submission.id)
   save_to_dict(id = submission.id, txt = submission.title)
   
   # 请求资源，同时拿到响应头用来判断文件类型
   resp = requests.get(submission.url, timeout=10)
   img_data = resp.content
   # 第一步从URL路径提取后缀
   url_path = urlparse(submission.url).path
   file_ext = os.path.splitext(url_path)[1].lower()
   # URL里没取到后缀的话，从响应的Content-Type推断
   if not file_ext:
       content_type = resp.headers.get('content-type', '').split(';')[0].strip()
       file_ext = mimetypes.guess_extension(content_type) or '.jpg' # 兜底默认用jpg后缀
   # 拼接完整文件名
   save_path = f"{submission.id}{file_ext}"
   with open(save_path, 'wb') as handler:
       handler.write(img_data)
   print(submission.url, save_path)
   

2. 增加资源类型校验，避免下载无效文件
   submission.url不一定是图片资源，可能是Reddit帖子详情页、外部网页链接，直接保存会得到无法打开的HTML文件，建议加一层判断：
   • 可以通过PRAW自带的submission属性判断是否为图片/视频帖，跳过纯文本、外链帖
   • 也可以判断响应头的content-type是否以image/开头，非图片资源直接跳过
3. 已保存的无后缀文件修复
   不需要重新爬取，可以直接通过文件头标识判断格式补后缀：
   • 文件头十六进制开头为FF D8 FF：补.jpg后缀
   • 开头为89 50 4E 47：补.png后缀
   • 开头为47 49 46 38：补.gif后缀
   • 开头为52 49 46 46且后续包含WEBP标识：补.webp后缀

内容的提问来源于stack exchange，提问作者jettzeong