如何在Python 2.7中获取文件的真实跳转目标URL？

这个问题很典型——你遇到的是客户端侧重定向（比如meta标签跳转、JavaScript跳转），而非HTTP协议层面的3xx重定向，所以requests库默认检测不到这种“跳转”，因为它只会处理HTTP响应头里的重定向指令，不会解析HTML内容或执行JavaScript。下面给你两种可行的解决方法：

方法一：解析HTML中的Meta Refresh标签 #

很多网站会用<meta http-equiv="refresh">标签实现页面跳转，我们可以用BeautifulSoup解析响应内容，提取真实链接：

首先确保你已经安装了依赖：

pip install requests beautifulsoup4

然后运行以下代码：

import requests
from bs4 import BeautifulSoup

original_url = 'http://www.vbb.de/de/datei/GTFS_VBB_Nov2015_Dez2016.zip'
response = requests.get(original_url)

# 解析HTML内容
soup = BeautifulSoup(response.text, 'html.parser')
refresh_meta = soup.find('meta', attrs={'http-equiv': 'refresh'})

if refresh_meta:
    content = refresh_meta.get('content', '')
    # 提取content中的URL部分（格式通常是 "0;url=真实链接"）
    if 'url=' in content:
        real_url = content.split('url=')[1].strip()
        # 处理相对路径，拼接成绝对URL
        if not real_url.startswith(('http://', 'https://')):
            real_url = requests.compat.urljoin(original_url, real_url)
        print("真实下载链接:", real_url)
else:
    print("未找到Meta Refresh跳转标签，可能是JavaScript跳转")

方法二：用Selenium模拟浏览器行为 #

如果网站是通过JavaScript实现的跳转（比如window.location.href），解析HTML可能抓不到，这时候可以用Selenium模拟真实浏览器的行为，等待页面跳转后获取当前URL：

首先安装依赖并配置驱动：

1. 安装Selenium：pip install selenium
2. 下载对应浏览器的驱动（比如Firefox的geckodriver），并确保驱动路径在系统环境变量中

然后运行代码：

from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

original_url = 'http://www.vbb.de/de/datei/GTFS_VBB_Nov2015_Dez2016.zip'
# 初始化Firefox浏览器（也可以用Chrome等其他浏览器）
driver = webdriver.Firefox()

try:
    driver.get(original_url)
    # 等待URL发生变化，最多等待10秒
    WebDriverWait(driver, 10).until(EC.url_changes(original_url))
    real_url = driver.current_url
    print("真实下载链接:", real_url)
finally:
    # 关闭浏览器
    driver.quit()

补充说明 #

为什么requests检测不到这种跳转？因为：

• requests只会处理HTTP协议层面的3xx重定向（比如301、302状态码），这类重定向会在响应头中返回Location字段，requests会自动跟进并记录到response.history中。
• 而你遇到的“跳转”是在浏览器渲染页面后，通过前端代码触发的客户端跳转，不属于HTTP协议的重定向流程，所以requests的response.history为空，状态码保持200，response.url也还是初始URL。

内容的提问来源于stack exchange，提问作者Dmitri