Как узнать тип содержимого PDF, когда URL-адрес HTML генерирует загрузку

Я пытаюсь определить, являются ли URL-адреса типа MIME файлами PDF или нет, используя requestscontent-type.

Приведенный ниже сценарий отлично работает, если запрошенный URL-адрес действительно ведет к размещенному PDF-файлу. Однако с текущим URL-адресом ниже content-type определяется как text/html; charset=utf-8, хотя это приводит к принудительной загрузке файла PDF из Интернета (сам файл не читается в Chrome непосредственно из URL-адреса).

import requests

url = 'https://derinet.vontobel.ch/api/kid?isin=DE000VS0URS6&language=en'

def getContentType(url):
    r = requests.Session().head(url, allow_redirects=True)
    contentType = r.headers['content-type']

    print 'Content type: ' + contentType

    if (contentType == 'application/pdf') | (contentType == 'application/x-pdf'):
        print "content-type is PDF"
    else:
        print "content-type is not PDF!"

getContentType(url)

Есть ли способ проверить тип MIME фактической полученной загрузки PDF, а не html-страницы (blob ??), которая ее генерирует?

Я поставил allow_redirects=True, но здесь это, кажется, не имеет значения.

Возможно, вы можете использовать r.history, чтобы найти то, что ищете.

— 29.05.2019 16:23

python python-2.7 python-requests mime-types content-type

29.05.2019 16:18

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

5 875

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Если вместо запроса HEAD вы сделаете запрос GET, вы получите заголовок, который ищете:

$ python
Python 3.7.2 (default, Feb 12 2019, 08:15:36) 
[Clang 10.0.0 (clang-1000.11.45.5)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import requests
>>> url = 'https://derinet.vontobel.ch/api/kid?isin=DE000VS0URS6&language=en'
>>> r = requests.get(url)
>>> r.headers
{
    'Date': 'Wed, 29 May 2019 14:26:56 GMT',
    'Server': 'Apache',
    'Set-Cookie': 'AL_LB=$xc/70TgziJYWEd9zZwhLxXFDJHocFA0gS9gdbEQS0N0LhFme3uS; Path=/; HTTPOnly; Domain=.vontobel.ch',
    'Content-Length': '51764',
    'Cache-Control': 'private',
    'Content-Disposition': 'attachment; filename=KID_DE000VS0URS6_en.pdf',
    'X-Frame-Options': 'SAMEORIGIN',
    'Pragma': 'blah',
    'Vary': 'User-Agent',
    'Keep-Alive': 'timeout=2, max=500',
    'Connection': 'Keep-Alive',
    'Content-Type': 'application/pdf',
}

Разница в заголовках определяется сервером, поэтому я не думаю, что есть способ получить правильный заголовок без запроса GET.

29.05.2019 16:29