R使用download.file从URL下载文件不指定文件名及压缩包损坏问题

压缩包损坏问题修复 #

你遇到的压缩包损坏问题与手动指定文件名无关，根因为非Unix系统下download.file默认使用文本模式传输文件，二进制格式的压缩包在文本模式下会被篡改编码导致损坏，只需增加mode = "wb"参数指定二进制传输即可解决，修正后代码如下：

url <- 'https://www.eea.europa.eu/data-and-maps/data/eea-reference-grids-2/gis-files/denmark-shapefile/at_download/file'
# 指定二进制传输模式避免文件损坏
download.file(url, destfile ='Denmark_shapefile.zip', mode = "wb")
unzip(zipfile = 'Denmark_shapefile.zip', exdir = '.')

问题1：为什么使用download.file函数时必须指定文件名？ #

• 这是R基础下载函数的安全设计，要求用户明确指定写入目标，避免歧义问题：部分下载链接无直接的文件名标识、或存在多级重定向，R无法确保自动识别的文件名合法、也无法判定是否会覆盖本地已有重名文件，因此要求用户主动指定destfile参数保证写入行为符合预期。
• 原生download.file没有内置自动文件名解析逻辑，因此该参数为必填项。

问题2：能否仅指定URL和存储文件夹，让下载的文件自动沿用服务端的原始命名？ #

可以实现，需要先从HTTP响应头的Content-Disposition字段提取服务端指定的原始文件名，再传入下载参数即可，示例实现如下：

library(htTR)
url <- 'https://www.eea.europa.eu/data-and-maps/data/eea-reference-grids-2/gis-files/denmark-shapefile/at_download/file'
save_dir <- "./" # 自定义存储文件夹路径

# 获取响应头提取原始文件名
resp_head <- HEAD(url)
content_disposition <- headers(resp_head)$`content-disposition`
origin_filename <- regmatches(content_disposition, regexpr('filename="(.+?)"', content_disposition, perl = TRUE))[[1]][2]
full_save_path <- file.path(save_dir, origin_filename)

# 自动使用原始文件名下载
GET(url, write_disk(full_save_path, overwrite = TRUE))

# 解压验证
unzip(full_save_path, exdir = save_dir)

• 上述逻辑无需手动指定文件名，仅需配置存储文件夹即可自动沿用服务端原始命名下载文件。
• 如果不希望引入第三方依赖，也可以自行调用系统curl命令解析响应头提取文件名，再传入原生download.file的destfile参数实现同样效果。

内容的提问来源于stack exchange，提问作者Blaiso