Python如何从指定URL下载文件 无需预先知晓文件名及文件类型

实现思路 #

完全模拟浏览器的下载逻辑，核心处理浏览器默认执行的几个操作：

• 自动跟进所有重定向，拿到最终的资源地址
• 优先从响应头的Content-Disposition字段提取官方指定的文件名
• 若响应头未提供文件名，则从最终资源URL的路径末尾提取文件名
• 采用流模式下载，适配任意大小的文件，不会占用过多内存

前置依赖 #

需要先安装第三方HTTP库requests：

pip install requests

完整可运行代码 #

import os
import re
import cgi
import requests
from urllib.parse import unquote

def download_from_url(url: str, save_dir: str = "./") -> str:
    # 模拟浏览器请求头，避免被站点拦截
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
    }
    
    # 发起请求，允许重定向，开启流下载模式
    resp = requests.get(url, headers=headers, allow_redirects=True, stream=True, timeout=30)
    resp.raise_for_status() # 请求失败直接抛出异常
    
    # 第一步：从响应头提取文件名
    filename = ""
    content_disposition = resp.headers.get("Content-Disposition")
    if content_disposition:
        _, params = cgi.parse_header(content_disposition)
        if "filename" in params:
            filename = params["filename"]
            # 处理URL编码的文件名
            if "%" in filename:
                filename = unquote(filename)
    
    # 第二步：响应头没拿到文件名就从最终URL的路径提取
    if not filename:
        final_url_path = unquote(resp.url.split("?")[0])
        filename = final_url_path.rstrip("/").split("/")[-1]
    
    # 处理文件名中的非法字符（适配Windows、macOS、Linux系统）
    filename = re.sub(r'[\\/*?:"<>|]', "_", filename)
    # 确保保存目录存在
    os.makedirs(save_dir, exist_ok=True)
    save_full_path = os.path.join(save_dir, filename)
    
    # 流写入文件
    with open(save_full_path, "wb") as f:
        for chunk in resp.iter_content(chunk_size=8192):
            if chunk:
                f.write(chunk)
    
    return save_full_path

# 测试调用
if __name__ == "__main__":
    test_url = "https://sourceforge.net/projects/portableapps/files/PortableApps.com%20Platform/PortableApps.com_Platform_Setup_19.0.paf.exe/download?use_mirror=deac-fra&use_mirror=deac-fra&r="
    saved_path = download_from_url(test_url)
    print(f"文件已保存到：{saved_path}")

关键逻辑说明 #

• 请求头模拟：添加了和桌面Chrome一致的User-Agent，避免大部分站点的反爬拦截
• 文件名提取：完全对齐浏览器的文件名识别逻辑，优先用站点指定的文件名， fallback到URL路径提取
• 流下载：每次只加载8KB的数据到内存，就算是几个G的大文件也能正常下载
• 非法字符处理：自动替换文件名中各个系统不允许的字符，避免保存失败

内容的提问来源于stack exchange，提问作者mimasik